Thực hành dựa trên bằng chứng và thống kê y tế — Trường đào tạo nghề Bradford VTS

Bradford VTS · Chuỗi chương trình AKT Mastery

Thực hành dựa trên bằng chứng và thống kê y khoa

Vì câu "Tôi đọc được gì đó trên mạng" không hoàn toàn phù hợp với quy tắc AKT.

🔥 Mẹo kiếm lời cao với AKT ⚡ Học tập hiệu quả cao chỉ trong vài phút 💎 Những điều quý giá mà họ quên không dạy

Cập nhật lần cuối: Tháng 4 năm 2026 · Còn được gọi là Y học dựa trên bằng chứng (EBM)

📥 Tải xuống

Tài liệu phát tay, tóm tắt và các tài liệu bổ trợ giảng dạy — luôn sẵn sàng khi bạn cần.

con đường: Thực hành dựa trên bằng chứng còn được gọi là Y học dựa trên bằng chứng, hay viết tắt là EBM.

🌐

Tài nguyên web

Tuyển tập các hướng dẫn chính thức và nguồn tài liệu đào tạo bác sĩ đa khoa thực tiễn được chọn lọc kỹ càng. Bởi vì đôi khi những điều quý giá nhất lại không nằm trong các tài liệu chính thức.

📘 Y học dựa trên bằng chứng cốt lõi & Thống kê

CEBM — Trung tâm Y học Thực chứng Oxford Các công cụ, hướng dẫn và nguồn tài liệu đánh giá quan trọng Trang web EBM của Tiến sĩ Chris Cates Công cụ tính toán NNT và giải thích biểu đồ Cates — tuyệt vời! GPnotebook — Thống kê Tài liệu tham khảo thống kê lâm sàng ngắn gọn bandolier Chăm sóc sức khỏe dựa trên bằng chứng, giải thích một cách dễ hiểu. Thư viện Cochrane Các đánh giá có hệ thống theo tiêu chuẩn vàng

📗 Ôn tập và chuẩn bị thi AKT

NHS — Thử nghiệm lâm sàng Hướng dẫn bằng ngôn ngữ dễ hiểu về các loại hình nghiên cứu Tài nguyên EBM của Cambridge Các công cụ và hướng dẫn đánh giá phê bình

📙 Tài liệu tham khảo và công cụ bổ sung

NICE — Cách sử dụng bằng chứng Hướng dẫn quy trình NICE để xem xét bằng chứng Giải thích về NNT — Manchester Công cụ tính toán NNT tương tác và giải thích Kiến thức về sức khỏe — Các thiết kế nghiên cứu Sách giáo khoa về dịch tễ học trong lĩnh vực Y tế công cộng.

⚡

Khả năng nhớ lại trong một phút

Quét tài liệu này trước khi đi khám lâm sàng — hay đêm trước bài kiểm tra AKT? Đó là những điều giúp bạn đạt điểm cao.

🧮 Công thức tính rủi ro

ARR = CER − EER
NNT = 1 ÷ ARR
Rrr = ARR ÷ CER
RR = EER ÷ CER
NNH = 1 ÷ ARI

🔬 Xét nghiệm chẩn đoán

Có nghĩa là = TP ÷ (TP+FN) → SnNout
Spec = TN ÷ (TN+FP) → SpPin
PPV = TP ÷ (TP+FP) ← giảm khi tỷ lệ mắc bệnh thấp
NPV = TN ÷ (TN+FN) ← giảm khi tỷ lệ mắc bệnh cao

📊 Mẫu thiết kế học tập

SR/Phân tích tổng hợp → bằng chứng cao nhất
RCT → tiêu chuẩn vàng trong điều trị
Nhóm đối tượng → RR & tỷ lệ mắc bệnh
Nghiên cứu đối chứng → OR, các bệnh hiếm gặp
Nghiên cứu cắt ngang → tỷ lệ hiện mắc

📈 Đồ thị

Biểu đồ rừng cho thấy hình thoi cắt đường thẳng = không đáng kể
Sự bất đối xứng hình phễu = thiên lệch trong công bố
Đồ thị Cates: NNT = 100 ÷ số mặt màu vàng
Đường giữa của biểu đồ hộp = trung vị
I² >50% = tính không đồng nhất đáng kể

📉 Ý nghĩa

p < 0.05 = có ý nghĩa thống kê
CI cắt 1.0 (tỷ lệ) = không đáng kể
Khoảng tin cậy cắt qua 0 (sự khác biệt) = không đáng kể
Trung bình cộng = giá trị trung bình; Trung vị = giá trị ở giữa
Quy tắc 68-95-99.7 cho phân phối chuẩn

⚖️ Các loại thiên kiến

Lựa chọn → mẫu không đại diện
Nhớ lại → các trường hợp nhớ nhiều hơn
Công bố → chỉ những nghiên cứu tích cực
Thời gian chờ đợi → ảo ảnh sàng lọc
Tỷ lệ bỏ học cao làm sai lệch kết quả.

💡

Tại sao điều này lại quan trọng trong GP & AKT

Y học dựa trên bằng chứng và thống kê không chỉ là lý thuyết suông. Trong phòng khám của bạn, mọi cuộc thảo luận về các lựa chọn điều trị đều liên quan đến NNT (số bệnh nhân cần điều trị để đạt hiệu quả) cho dù bạn có gọi tên chúng hay không. Mỗi xét nghiệm máu đều có độ nhạy và độ đặc hiệu. Mỗi hướng dẫn mới đều dựa trên thiết kế nghiên cứu, và điều đó ảnh hưởng đến mức độ tin cậy mà bạn nên đặt vào nó.

Trong bài thi AKT, chủ đề này chiếm một tỷ lệ điểm đáng kể — khoảng 10-15% bài thi theo hướng dẫn của RCGP. Đây là một trong số ít những lĩnh vực mà việc ôn tập có mục tiêu với thời gian ngắn sẽ mang lại hiệu quả cao. ngayNhiều thí sinh mất điểm dễ dàng ở phần này không phải vì các khái niệm khó hiểu, mà vì họ chưa bao giờ ngồi xuống và học chúng một cách có hệ thống.

Các câu hỏi thống kê trong bài kiểm tra AKT thường đưa ra một bảng dữ liệu thử nghiệm và yêu cầu bạn tính toán một giá trị, giải thích biểu đồ hoặc xác định thiết kế nghiên cứu tốt nhất. Chúng đánh giá cao tư duy có hệ thống, chứ không phải kiến thức y khoa. Điều này khiến chúng trở thành những phần dễ "học" nhất trong bài kiểm tra.

Một khi bạn đã biết cách tính NNT, diễn giải biểu đồ rừng và hiểu được tác động của tỷ lệ hiện mắc lên PPV, thì toàn bộ các câu hỏi về AKT sẽ trở nên dễ hiểu hơn thay vì đáng sợ.

????

Y học dựa trên bằng chứng (EBM)

"Khi tôi còn đang trong thời gian đào tạo vào giữa những năm 1980, tôi đã truyền tĩnh mạch lidocaine cho mọi bệnh nhân đến sau cơn đau tim. Đó là tiêu chuẩn. Ai cũng làm vậy. Điều đó dường như rất hợp lý."

— Giáo sư Gordon Guyatt, bác sĩ đã đặt ra thuật ngữ "Y học dựa trên bằng chứng", mô tả quá trình đào tạo của chính ông trước khi Y học dựa trên bằng chứng ra đời.

Sau này, ông phát hiện ra rằng phương pháp mà ông được đào tạo – và hàng trăm nghìn bác sĩ trên toàn thế giới đang thực hiện – không chỉ vô dụng mà còn có khả năng gây chết người. Không phải do sơ suất. Không phải do thiếu năng lực. Mà bởi vì chưa ai từng kiểm tra một cách đúng đắn xem liệu nó có thực sự hiệu quả hay không.

Câu chuyện đó giải thích lý do tồn tại của Y học dựa trên bằng chứng — và lý do tại sao nó có ý nghĩa sâu sắc đối với mọi bệnh nhân mà bạn sẽ gặp.

📋 Y học dựa trên bằng chứng là gì?

"Việc sử dụng một cách có ý thức, rõ ràng và thận trọng những bằng chứng tốt nhất hiện có để đưa ra quyết định về việc chăm sóc cho từng bệnh nhân."

— David Sackett, BMJ 1996 — định nghĩa được trích dẫn rộng rãi nhất trong y học

Nói một cách đơn giản: thay vì điều trị bệnh nhân dựa trên thói quen, ý kiến, truyền thống, hoặc những gì giáo sư của bạn đã nói, Y học dựa trên bằng chứng (EBM) yêu cầu bạn đưa ra các quyết định lâm sàng dựa trên những nghiên cứu tốt nhất hiện có — được tiến hành một cách nghiêm túc, đánh giá nghiêm túc và diễn giải trung thực.

Nó không thay thế cho phán đoán lâm sàng — nó thông báo Y học dựa trên bằng chứng (EBM) được xây dựng trên ba trụ cột không thể tách rời, phải hoạt động cùng nhau:

🔬

Bằng chứng nghiên cứu tốt nhất

Nghiên cứu chất lượng cao, có ý nghĩa lâm sàng — đặc biệt là từ các thử nghiệm lâm sàng ngẫu nhiên có đối chứng (RCT) và các đánh giá hệ thống.

🩺

Chuyên môn lâm sàng

Kỹ năng và kinh nghiệm của từng bác sĩ lâm sàng, được tích lũy qua nhiều năm hành nghề.

🤝

Giá trị và sở thích của bệnh nhân

Hoàn cảnh, giá trị và những điều quan trọng nhất đối với từng bệnh nhân.

🕰️ Dòng nhạc EBM ra đời như thế nào? — Một lịch sử ngắn gọn

Y học dựa trên bằng chứng (EBM) không tự nhiên mà có. Nó là kết quả của nhiều thập kỷ tư duy mang tính cách mạng âm thầm ở Canada và Anh.

Năm	Sự kiện
1938	John Paul (Đại học Yale) đặt ra thuật ngữ "dịch tễ học lâm sàng" - ý tưởng cho rằng y học nên được nghiên cứu một cách khoa học trên quần thể, chứ không chỉ quan sát trên từng bệnh nhân riêng lẻ.
1967	Đại học McMaster (Hamilton, Canada) khai trương trường y mới với Khoa Dịch tễ học Lâm sàng và Thống kê Sinh học — một sáng kiến táo bạo vào thời điểm đó, chuyên về việc áp dụng các phương pháp nghiên cứu vào các quyết định lâm sàng.
1972	Archie Cochrane, một nhà dịch tễ học người Scotland, xuất bản Hiệu quả và năng suất: Những suy nghĩ ngẫu nhiên về dịch vụ y tế — một văn bản mang tính bước ngoặt lập luận rằng y học phải kiểm nghiệm các phương pháp điều trị của chính mình một cách nghiêm ngặt. Công trình của ông cuối cùng đã dẫn đến sự ra đời của Tổ chức Hợp tác Cochrane, được đặt tên để vinh danh ông.
1981	David Sackett và các đồng nghiệp tại Đại học McMaster đã công bố một loạt chín bài báo trên Tạp chí Hiệp hội Y khoa Canada, hướng dẫn các bác sĩ lâm sàng cách đánh giá phê bình các tài liệu y khoa. Đây là sự khởi đầu chính thức của phong trào Y học dựa trên bằng chứng (EBM).
1990	Gordon Guyatt, một giám đốc nội trú trẻ tuổi tại McMaster, thiết kế một chương trình giảng dạy mới và ban đầu đặt tên là "Y học Khoa học". Các đồng nghiệp phản đối kịch liệt — hàm ý rằng thực tiễn hiện tại không mang tính khoa học là quá thẳng thắn.
1991	Guyatt đổi tên phương pháp tiếp cận "Y học dựa trên bằng chứng" và đăng tải thuật ngữ này trong một bài xã luận trên tạp chí ACP Journal Club. Cụm từ này lập tức được sử dụng rộng rãi.
1992	Bài báo mang tính bước ngoặt trên tạp chí JAMA — "Y học dựa trên bằng chứng: Một cách tiếp cận mới trong giảng dạy thực hành y khoa" — giới thiệu Y học dựa trên bằng chứng (EBM) đến với thế giới. Guyatt nhớ lại, phản ứng ban đầu là "sự phẫn nộ". Các đồng nghiệp cảm thấy như thể họ đang bị nói rằng họ không phải là những bác sĩ giỏi.
1993	Tổ chức Cochrane Collaboration chính thức được thành lập — một mạng lưới quốc tế nhằm biên soạn và phổ biến các đánh giá có hệ thống về bằng chứng trong lĩnh vực chăm sóc sức khỏe.
1996	David Sackett công bố định nghĩa ba trụ cột dứt khoát trong tạp chí BMJ. Y học dựa trên bằng chứng (EBM) trở nên phổ biến.
2000s – nay	Y học dựa trên bằng chứng (EBM) ngày càng được lồng ghép vào chương trình đào tạo tại Anh: các hướng dẫn của NICE, Quy tắc Thực hành Y khoa Tốt của GMC và chương trình giảng dạy của RCGP đều yêu cầu điều này. Nó là nền tảng cho cách thức đào tạo và đánh giá mọi bác sĩ ở Anh hiện nay.

⚠️ Y học trước khi có Y học dựa trên bằng chứng như thế nào? Vấn đề mà nó đã giải quyết

Trước khi có Y học dựa trên bằng chứng (EBM), y học vận hành dựa trên những gì mà Gordon Guyatt đã gọi một cách đáng nhớ là: "GOBSAT" - Những người bạn cũ thân thiết ngồi quanh bàn ăn.Các hướng dẫn lâm sàng được viết bởi các chuyên gia cấp cao, những người đã tổng hợp ý kiến cá nhân của họ, và những gì xảy ra với bệnh nhân của bạn hoàn toàn phụ thuộc vào bác sĩ nào khám cho họ.

Thế giới trước thời kỳ EBM

Y học dựa trên uy tín: Bạn điều trị bệnh nhân theo cách mà giáo sư của bạn đã làm. Quyền lực đến từ thâm niên, chứ không phải từ bằng chứng. Một chuyên gia tư vấn, người đã "luôn làm theo cách này" trong 30 năm, được tôn trọng — ngay cả khi "cách này" chưa bao giờ được kiểm chứng.
Y học dựa trên trực giác: Nếu một phương pháp điều trị có vẻ hợp lý về mặt sinh lý, người ta sẽ sử dụng nó. Nếu việc ngăn chặn nhịp tim bất thường có vẻ hợp lý, người ta sẽ ngăn chặn chúng. Việc liệu nó có thực sự giúp ích cho bệnh nhân hay không hiếm khi được kiểm tra.
Y học dựa trên kinh nghiệm cá nhân: "Theo kinh nghiệm của tôi, tôi nhận thấy rằng..." là tiêu chuẩn đánh giá bằng chứng. Các trường hợp cá biệt định hướng thực tiễn — ngay cả khi những trường hợp đó là ngoại lệ về mặt thống kê.
Sự khác biệt rất lớn: Cùng một bệnh nhân đến hai bệnh viện khác nhau — hoặc thậm chí hai bác sĩ khác nhau trong cùng một bệnh viện — có thể nhận được phương pháp điều trị hoàn toàn khác nhau cho cùng một tình trạng bệnh.

Bạn muốn một cây cầu được xây dựng dựa trên câu nói "Tôi đã thiết kế cầu theo cách này trong 30 năm và chưa có cây nào sụp đổ cả"? Hay dựa trên khoa học kỹ thuật kết cấu đã được kiểm chứng? Câu trả lời thì quá rõ ràng. Nhưng trong phần lớn lịch sử y học, cách tiếp cận "xây cầu" lại chính là điều đã xảy ra.

🔴 Ví dụ làm thay đổi ngành y học — Thử nghiệm CAST

Đây không phải là một giả thuyết. Đây là một trong những câu chuyện có thật quan trọng nhất trong y học hiện đại — và là một trong những luận điểm mạnh mẽ nhất mà y học dựa trên bằng chứng (EBM) từng cần đến.

Cấu trúc bài học — Lập luận tưởng chừng không thể bác bỏ

Nhồi máu cơ tim gây ra những rối loạn nhịp tim nguy hiểm (loạn nhịp thất). Loạn nhịp thất dẫn đến tử vong đột ngột. Do đó: Ức chế chứng loạn nhịp tim → ngăn ngừa tử vong đột ngộtĐiều này dường như hiển nhiên đúng đến mức từ những năm 1970 trở đi, thuốc chống loạn nhịp tim — đặc biệt là lidocaine, flecainide và encainide — được sử dụng thường xuyên cho bệnh nhân sau nhồi máu cơ tim tại các bệnh viện trên toàn thế giới. Không phải thỉnh thoảng. Mà là thường xuyên. Như một phần của quy trình điều trị tiêu chuẩn.

Cuộc thử nghiệm — Thực tế đã có người tiến hành thử nghiệm

Năm 1987, Thử nghiệm ức chế loạn nhịp tim (CAST) đã tuyển chọn hơn 1,700 bệnh nhân sau nhồi máu cơ tim và phân ngẫu nhiên họ vào nhóm dùng thuốc chống loạn nhịp (flecainide hoặc encainide) hoặc nhóm dùng giả dược. Thuốc đã phát huy tác dụng như mong đợi - chúng đã ức chế thành công chứng loạn nhịp tim. Nhưng một điều bất ngờ đã xảy ra.

Kết quả — Điều không ai ngờ tới

Các bệnh nhân dùng thuốc là 2.5 có nhiều khả năng tử vong So với nhóm dùng giả dược, kết quả xét nghiệm cho thấy tỷ lệ tử vong cao hơn. Thử nghiệm phải dừng sớm vì tác hại quá rõ ràng. Thuốc đã giết chết chính những bệnh nhân mà chúng lẽ ra phải bảo vệ.

NNH = 21. Cứ 21 bệnh nhân được điều trị bằng flecainide hoặc encainide thì có thêm một người tử vong, trong khi lẽ ra họ đã sống sót.

Bài học

Gordon Guyatt — khi đó là một bác sĩ tim mạch trẻ — đã đích thân truyền lidocaine cho mọi bệnh nhân sau nhồi máu cơ tim đến khoa của ông. Ông đang tuân theo phương pháp điều trị tốt nhất. Ông đã được đào tạo đúng cách. Ông có ý định tốt. Tuy nhiên, nếu không có thử nghiệm nghiêm ngặt của một thử nghiệm lâm sàng ngẫu nhiên có đối chứng (RCT), cả ông và các đồng nghiệp đều không có cách nào biết được phương pháp điều trị đó có gây hại hay không. Kinh nghiệm này trở thành lý do cốt lõi khiến ông cống hiến sự nghiệp của mình cho y học dựa trên bằng chứng (EBM). Lịch sử y học, ông sau này nói, "đầy rẫy những phương pháp điều trị chủ yếu dựa trên phỏng đoán và trực giác hơn là bằng chứng vững chắc."

🌐 Y học dựa trên bằng chứng đã thay đổi mọi thứ như thế nào — Tiêu chuẩn hóa và sự thống nhất

Trước khi có Y học dựa trên bằng chứng (EBM), những gì bạn nhận được phụ thuộc vào nơi bạn sống, bệnh viện bạn đến và bác sĩ khám cho bạn. Cùng một bệnh nhân với cùng một tình trạng bệnh có thể nhận được các phương pháp điều trị hoàn toàn khác nhau ở Leeds và London. Ở các bệnh viện khác nhau. Ở các quốc gia khác nhau. Kết quả cũng khác nhau hoàn toàn.

Y học dựa trên bằng chứng (EBM) đã thay đổi điều này. Bằng cách dựa các quyết định lâm sàng vào cùng một nguồn bằng chứng – cùng các thử nghiệm, cùng các đánh giá hệ thống, cùng các hướng dẫn – nó đã mang lại cho y học một ngôn ngữ chung và một tiêu chuẩn chung. Ngày nay, một bệnh nhân bị nhồi máu cơ tim ở Bradford và một bệnh nhân bị nhồi máu cơ tim ở Bristol về cơ bản đều nhận được cùng một phương pháp điều trị dựa trên bằng chứng. Không phải vì các bác sĩ giống hệt nhau, mà vì phương pháp điều trị được thúc đẩy bởi bằng chứng, chứ không phải bởi sở thích cá nhân.

Tại Vương quốc Anh, điều này được thực hiện thông qua Nguyên tắc của NICE, Các Chương trình giảng dạy của RCGP, Các chỉ số QOF, kiểm toán lâm sàngvà Kỳ thi MRCGP — tất cả đều yêu cầu và đánh giá thực hành dựa trên bằng chứng. Khi tham gia kỳ thi AKT, bạn đang được kiểm tra khả năng áp dụng khuôn khổ này.

🌍 Một thế giới không có EBM — Bức tranh quốc tế

Cam kết của Vương quốc Anh đối với Y học dựa trên bằng chứng (EBM) — thông qua NICE, NHS và đào tạo sau đại học — không phải là phổ biến. Ở nhiều nơi trên thế giới, những gì bạn nhận được với tư cách là bệnh nhân vẫn phụ thuộc rất nhiều vào người khám cho bạn, nơi bạn đến khám và khả năng chi trả của bạn. Hiểu được điều này giúp bạn đánh giá cao những gì EBM bảo vệ bệnh nhân của bạn khỏi.

🔴 Lưu ý quan trọng trước khi đọc

Sự khác biệt được mô tả dưới đây phản ánh hệ thống và cấu trúc chăm sóc sức khỏeVấn đề không nằm ở năng lực hay sự tận tâm của từng bác sĩ. Có rất nhiều bác sĩ giỏi, chăm chỉ đang hành nghề ở mọi quốc gia được liệt kê. Vấn đề là sự thiếu hụt cơ sở hạ tầng tiêu chuẩn hóa — hướng dẫn, giám sát, khung đào tạo — mà Y học dựa trên bằng chứng (EBM) cung cấp. Các bác sĩ cá nhân không thể tự mình khắc phục các vấn đề mang tính hệ thống.

Quốc gia / khu vực	Thực tiễn quản lý y học dựa trên bằng chứng (EBM) có sự khác biệt như thế nào?
🇮🇳 Ấn Độ (khu vực tư nhân)	Một 2018 Dao mổ Nghiên cứu cho thấy tỷ lệ sinh mổ ở các bệnh viện tư nhân dao động từ 40–58% so với 10–14% ở các cơ sở công lập — thường do động cơ tài chính hơn là nhu cầu lâm sàng. Tình trạng xét nghiệm quá mức và sử dụng nhiều loại thuốc cùng lúc được ghi nhận rộng rãi trong khu vực tư nhân. Cùng một bệnh nhân ung thư có thể nhận được phương pháp điều trị khác nhau đáng kể tùy thuộc vào nơi họ đến khám và khả năng chi trả của họ.
🇵🇰 Pa-ki-xtan	Việc tuân thủ các hướng dẫn sử dụng kháng sinh có sự khác biệt đáng kể — tỷ lệ kê đơn kháng sinh thuộc hàng cao nhất ở Nam Á. Lao kháng thuốc và kháng kháng sinh là hậu quả trực tiếp. Việc tiếp cận với chăm sóc chuyên khoa và các phác đồ điều trị tiêu chuẩn phụ thuộc rất nhiều vào vị trí địa lý và thu nhập.
🇳🇬 Nigeria / 🇬🇭 Ghana	Magnesium sulphate là phương pháp điều trị sản giật được WHO khuyến nghị, dựa trên bằng chứng khoa học và có giá thành thấp. Các nghiên cứu cho thấy nó làm giảm đáng kể tỷ lệ tử vong mẹ. Tuy nhiên, sự sẵn có và việc sử dụng thực tế tại các cơ sở y tế ở Nigeria và Ghana rất khác nhau tùy thuộc vào nguồn lực của bệnh viện và trình độ đào tạo của bác sĩ – điều đó có nghĩa là sự sống còn của một phụ nữ bị sản giật có thể phụ thuộc vào cơ sở y tế mà cô ấy được điều trị.
🇸🇩 Sudan / 🇮🇶 Iraq	Xung đột kéo dài và bất ổn đã tàn phá cơ sở hạ tầng y tế. Tại Iraq sau năm 2003, các dịch vụ y tế công cộng sụp đổ, việc thực hiện các hướng dẫn bị đình trệ, và việc tiếp cận các loại thuốc cơ bản trở nên phụ thuộc vào vị trí địa lý. Tại Sudan, xung đột đã làm gián đoạn các chương trình tiêm chủng, dịch vụ chăm sóc sức khỏe bà mẹ và quản lý bệnh mãn tính. Sự khác biệt trong thực tiễn ở những môi trường như vậy không phải là vấn đề sở thích mà là vấn đề về những gì sẵn có.
🇪🇬 Ai Cập / 🇮🇷 Iran	Cả hai quốc gia đều có các trường y đào tạo ra những bác sĩ giỏi và đã công bố các hướng dẫn về y học dựa trên bằng chứng (EBM) — nhưng việc thực hiện không nhất quán giữa khu vực công và tư, cũng như giữa khu vực thành thị và nông thôn. Tại Iran, các lệnh trừng phạt quốc tế đã ảnh hưởng đến nguồn cung thuốc, buộc phải có những điều chỉnh không tuân theo các phác đồ dựa trên bằng chứng.
🇷🇴Rumani	Romania đã ghi chép lại thực tiễn của plicul (Cái gọi là "phong bì") — những khoản tiền mặt không chính thức trả cho bác sĩ và y tá để đảm bảo việc chăm sóc. Về mặt chính thức là bất hợp pháp, nhưng lại được thực hiện rộng rãi. Các cuộc điều tra của Quốc hội và báo chí điều tra đã xác nhận rằng chất lượng chăm sóc phẫu thuật có thể phụ thuộc vào số tiền bệnh nhân có thể trả riêng, bất kể họ có được hưởng quyền lợi tương đương với NHS (Hệ thống Y tế Quốc gia Anh) hay không. Hiện tượng chảy máu chất xám đã khiến ước tính hơn 14,000 bác sĩ rời bỏ Anh kể từ khi gia nhập EU.
Hoa Kỳ	Chi phí chăm sóc sức khỏe đắt đỏ nhất thế giới — hơn 12,000 đô la mỗi người mỗi năm — nhưng kết quả điều trị thường không tốt hơn so với Anh. Dự án Dartmouth Atlas đã ghi nhận sự khác biệt rất lớn về địa lý trong thực tiễn lâm sàng: cùng một bệnh nhân ở Miami có thể được thực hiện gấp đôi số xét nghiệm và thủ thuật so với cùng một bệnh nhân ở Minneapolis, mà kết quả điều trị không khác biệt. Một nghiên cứu năm 2019 của JAMA ước tính 935 tỷ đô la — khoảng một phần tư tổng chi tiêu chăm sóc sức khỏe của Mỹ — bị lãng phí vào các dịch vụ chăm sóc không cần thiết. Cuộc khủng hoảng opioid một phần do các công ty dược phẩm gây ảnh hưởng đến các phương pháp kê đơn nằm ngoài khuôn khổ y học dựa trên bằng chứng (EBM).
Pháp	Pháp có hệ thống chăm sóc sức khỏe tuyệt vời — nhưng tỷ lệ kê đơn kháng sinh từ trước đến nay luôn thuộc hàng cao nhất châu Âu, một phần do kỳ vọng văn hóa rằng mỗi lần khám bệnh đều phải kết thúc bằng việc kê đơn. Các chiến dịch nhằm giảm thiểu điều này ("Việc kê đơn kháng sinh không phải là tự động") đã có hiệu quả, nhưng xu hướng này cho thấy áp lực văn hóa và thương mại có thể lấn át các hướng dẫn dựa trên bằng chứng ngay cả trong các hệ thống tiên tiến.
🇮🇹 Ý	Chất lượng chăm sóc sức khỏe ở miền Bắc Italy (Milan, Bologna) thuộc hàng tốt nhất châu Âu. Ở một số vùng miền Nam Italy, tình hình lại rất khác – thời gian chờ đợi phẫu thuật ung thư lâu hơn, việc áp dụng các chương trình sàng lọc không nhất quán, tỷ lệ tuân thủ hướng dẫn điều trị thấp hơn. Nguồn gốc địa lý trong cùng một quốc gia cũng có thể ảnh hưởng đáng kể đến kết quả.
🇬🇷 Hy Lạp / 🇪🇸 Tây Ban Nha	Cuộc khủng hoảng thắt lưng buộc bụng ở Hy Lạp (2010–2015) đã dẫn đến việc cắt giảm chi tiêu y tế hơn 25%, gây ra tình trạng thiếu thuốc, giảm nhân viên và suy giảm chất lượng dịch vụ. Hơn 35,000 nhân viên y tế đã di cư. Tại Tây Ban Nha, tỷ lệ sống sót sau ung thư có sự khác biệt đáng kể giữa các vùng – khối u bạn mắc phải có thể có biểu hiện khác nhau tùy thuộc vào vùng bạn sinh sống, không phải vì sinh học khác nhau, mà vì cách áp dụng phương pháp điều trị dựa trên bằng chứng của hệ thống y tế khác nhau.

💊 Những gì bạn nhận được phụ thuộc vào những gì bạn trả

Trong các hệ thống chăm sóc sức khỏe không có khuôn khổ y học dựa trên bằng chứng vững chắc hoặc quyền lợi phổ quát, mối quan hệ giữa thanh toán và chất lượng điều trị thường là trực tiếp và được ghi chép lại:

Tại một số bệnh viện tư nhân ở Ấn Độ, bệnh nhân bị đau ngực và có khả năng chi trả cho dịch vụ tư nhân có thể được đặt ống thông tim và đặt stent ngay lập tức. Cùng bệnh nhân đó, nếu ở hệ thống y tế công lập, họ có thể phải chờ hàng giờ để được làm điện tâm đồ.
Ở một số vùng thuộc châu Phi cận Sahara, việc một đứa trẻ mắc bệnh sốt rét nặng được điều trị bằng phác đồ kết hợp dựa trên artemisinin (tiêu chuẩn đã được chứng minh) hay một loại thuốc cũ hơn, kém hiệu quả hơn phụ thuộc vào cơ sở y tế mà chúng đến và khả năng chi trả của gia đình.
Tại các quốc gia không có hệ thống tiếp cận thuốc men toàn diện, thuốc hóa trị ung thư có thể chỉ dành cho những người có khả năng chi trả – điều này có nghĩa là cùng một loại ung thư nhưng kết quả điều trị lại khác nhau đáng kể chỉ dựa trên thu nhập.
Tại Romania và một số quốc gia Đông Âu khác, chất lượng của một ca phẫu thuật — sự tận tâm của bác sĩ phẫu thuật, chất lượng theo dõi gây mê, thậm chí cả sự sẵn có của điều dưỡng hậu phẫu — được ghi nhận là phụ thuộc vào hình thức thanh toán không chính thức, chứ không phải nhu cầu lâm sàng.

✈️ Phép so sánh giúp làm rõ vấn đề

Mỗi lần bạn lên một chuyến bay thương mại, bạn đều được hưởng lợi từ một trong những hệ thống an toàn hiệu quả nhất mà con người từng tạo ra. Không phải vì các phi công cá nhân đặc biệt tài năng — mặc dù họ thực sự rất tài năng. Mà bởi vì ngành hàng không được xây dựng dựa trên những nguyên tắc an toàn đó. các giao thức tiêu chuẩn hóa, đã được kiểm chứng bằng chứngMọi phi công, mọi hãng hàng không, mọi quốc gia đều tuân theo cùng một danh sách kiểm tra trước chuyến bay, cùng một quy trình hạ cánh, cùng một quy trình khẩn cấp. Hệ thống này bảo vệ bạn bất kể bạn gặp phi công nào.

Y học mà không có bằng chứng dựa trên y học (EBM) thì cũng giống như hàng không mà không có danh sách kiểm tra. Sự an toàn của bạn hoàn toàn phụ thuộc vào việc bạn có gặp được một phi công giỏi hay không, liệu phi công đó có được đào tạo gần đây hay không, liệu họ có đang có một ngày tốt lành hay không, và liệu họ có được nghe những kiến thức mới nhất từ người mà họ tin tưởng hay không.

Y học dựa trên bằng chứng (EBM) thay thế sự may rủi bằng các hệ thống. Nó thay thế cụm từ "theo kinh nghiệm của tôi" bằng "trong 15,000 thử nghiệm với 2 triệu bệnh nhân". Nó thay thế ý kiến của người có thâm niên nhất trong phòng bằng bằng chứng tích lũy từ kinh nghiệm lâm sàng tập thể của nhân loại. Chẳng phải bạn sẽ thích điều đó hơn cho bệnh nhân của mình sao? Chẳng phải chính bệnh nhân của bạn sẽ thích điều đó hơn sao?

💡 Tại sao điều này lại quan trọng đối với bạn, một bác sĩ thực tập chuyên khoa tổng quát tại Vương quốc Anh

Mỗi hướng dẫn của NICE mà bạn tuân theo đều là kết quả của quá trình xem xét bằng chứng có hệ thống — ai đó đã thực hiện công việc đảm bảo rằng những gì bạn làm được hỗ trợ bởi nền tảng khoa học tốt nhất hiện có.
Mỗi câu hỏi AKT về thống kê và phương pháp nghiên cứu đều kiểm tra khả năng đánh giá phê phán bằng chứng của bạn — trở thành người chủ động sử dụng y học dựa trên bằng chứng, chứ không phải là người thụ động tuân theo chỉ dẫn.
Khi bạn giải thích chỉ số NNT cho bệnh nhân, hoặc thảo luận về những hạn chế của xét nghiệm sàng lọc, hoặc từ chối kê đơn kháng sinh khi không cần thiết, bạn đang thực hành Y học dựa trên bằng chứng — một cách có ý thức, rõ ràng và thận trọng.
Và khi một đại diện dược phẩm ngồi đối diện bạn và nói rằng loại thuốc mới của họ làm giảm các biến cố tim mạch tới 35%, câu hỏi đầu tiên của bạn — "35% tương đối hay tuyệt đối?" — chính là câu hỏi mà Y học dựa trên bằng chứng đã dạy cho ngành y phải đặt ra.

Thiết kế nghiên cứu và hệ thống phân cấp bằng chứng

Trước khi diễn giải bất kỳ kết quả nào, bạn cần phải biết điều này. nó đến từ đâuCác thiết kế nghiên cứu khác nhau trả lời các câu hỏi khác nhau, tạo ra các số liệu thống kê khác nhau và có mức độ tin cậy khác nhau.

Kim tự tháp bằng chứng

Bằng chứng mạnh nhất ở phía trên; bằng chứng yếu nhất ở phía dưới.

Đánh giá có hệ thống & Phân tích tổng hợp

Thử nghiệm đối chứng ngẫu nhiên (RCT)

Nghiên Cứu Cohort

Nghiên cứu Kiểm soát Trường hợp

Nghiên cứu cắt ngang

Báo cáo trường hợp & Ý kiến chuyên gia

⬆ Bằng chứng mạnh nhất | ⬇ Bằng chứng yếu nhất

Thiết kế nghiên cứu	Chiều hướng	tốt nhất cho	Tạo	Điểm yếu chính
Tổng quan hệ thống / Phân tích tổng hợp	-	Bằng chứng tổng quát tốt nhất cho một câu hỏi	Kích thước hiệu ứng tổng hợp	Chỉ tốt khi các nghiên cứu cơ bản tốt; tính không đồng nhất
Thử nghiệm đối chứng ngẫu nhiên (RCT)	Forward	Liệu phương pháp điều trị X có hiệu quả không?	RR, ARR, NNT	Tốn kém, bối cảnh nhân tạo, vấn đề đạo đức
Học vẹt	Tiến về phía trước (hướng tới tương lai) hoặc lùi về phía sau (hướng hồi cứu)	Liệu việc tiếp xúc có gây ra kết quả? Tỷ lệ mắc bệnh?	Nguy cơ tương đối (RR), Tỷ lệ mắc bệnh	Sự hao hụt; tốn kém theo thời gian; gây nhầm lẫn
Nghiên cứu bệnh chứng	Lạc hậu	Các bệnh hiếm gặp; các yếu tố nguy cơ	Tỷ lệ cược (OR)	Sai lệch do trí nhớ; không thể tính toán trực tiếp tỷ lệ mắc bệnh.
Nghiên cứu cắt ngang	Ảnh chụp nhanh đơn lẻ	Hiện nay, X phổ biến đến mức nào? (tỷ lệ hiện mắc)	Tỷ lệ	Không thể xác định nguyên nhân; sự mơ hồ về thời gian.
Báo cáo trường hợp / Ý kiến chuyên gia	-	Đưa ra giả thuyết; các sự kiện hiếm gặp	Chỉ là mô tả	Rất dễ bị ảnh hưởng bởi định kiến; không thể khái quát hóa.

📖 Nghiên cứu định tính so với nghiên cứu định lượng

Nghiên cứu định lượng

Trả lời các câu hỏi "có bao nhiêu" hoặc "bao nhiêu". Sử dụng số liệu, thống kê và dữ liệu có cấu trúc. Ví dụ: Thử nghiệm lâm sàng ngẫu nhiên (RCT), nghiên cứu đoàn hệ, khảo sát với kết quả định lượng. Tạo ra giá trị p, khoảng tin cậy (CI), số người cần điều trị để đạt hiệu quả (NNT).

Nghiên cứu định tính

Giải đáp các câu hỏi "tại sao" hoặc "như thế nào". Sử dụng từ ngữ, chủ đề và phỏng vấn. Ví dụ: nhóm thảo luận, nghiên cứu dân tộc học, lý thuyết nền tảng. Khám phá kinh nghiệm và niềm tin của bệnh nhân.

Trong AKT: câu hỏi về thái độ, kinh nghiệm hoặc sự hiểu biết của bệnh nhân về bệnh tật → định tính. Câu hỏi về tỷ lệ, kết quả hoặc hiệu quả → định lượng.

🔬 Tổng quan hệ thống so với phân tích tổng hợp — Không phải là cùng một thứ

Đánh giá có hệ thống: Một quy trình tìm kiếm tài liệu nghiêm ngặt, có cấu trúc nhằm xác định, lựa chọn và đánh giá một cách nghiêm túc tất cả các nghiên cứu liên quan đến một vấn đề cụ thể. Kết quả là một bản tóm tắt định tính về bằng chứng.

Phân tích tổng hợp: Một đánh giá có hệ thống tiến thêm một bước nữa — nó các nhóm toán học Tổng hợp các kết quả định lượng từ nhiều nghiên cứu thành một ước tính chung duy nhất. Không phải tất cả các đánh giá hệ thống đều bao gồm phân tích tổng hợp (ví dụ: nếu các nghiên cứu quá khác biệt để kết hợp).

Hãy hình dung đánh giá có hệ thống như việc đọc tất cả các cuốn sách về một chủ đề và viết một bản báo cáo. Phân tích tổng hợp (meta-analysis) là bản báo cáo đó, kèm theo một công thức ở cuối để tính trung bình tất cả các kết luận của các tác giả thành một con số duy nhất.

🔄 Khung PICO

PICO là khuôn khổ tiêu chuẩn để cấu trúc câu hỏi nghiên cứu lâm sàng — được sử dụng để tìm kiếm tài liệu và thiết kế các nghiên cứu.

Bức thư	viết tắt của	Ví dụ
P	Dân số / Bệnh nhân	Người lớn mắc bệnh tiểu đường loại 2
I	Can thiệp	Chất ức chế SGLT2
C	sự so sánh	Metformin đơn độc
O	Kết quả	Các biến cố tim mạch trong vòng 5 năm

AKT có thể đưa ra một tình huống và hỏi thiết kế nghiên cứu nào trả lời tốt nhất câu hỏi PICO. Hãy ghép loại kết quả với thiết kế chính xác bằng cách sử dụng bảng ở trên.

🎲 Các đặc điểm thiết kế của thử nghiệm lâm sàng ngẫu nhiên (thường được thử nghiệm)

Tính năng	Nó có nghĩa là gì	Tại sao nó quan trọng
Phân loại ngẫu nhiên	Người tham gia được phân bổ vào các nhóm một cách ngẫu nhiên.	Loại bỏ sai lệch chọn lọc; cân bằng các yếu tố gây nhiễu.
Màn đơn	Người tham gia không biết mình được phân bổ bao nhiêu.	Giảm thiểu hiệu ứng giả dược và sự thiên vị của người tham gia.
Mù đôi	Cả người tham gia và nhà nghiên cứu đều không biết về sự phân bổ ngẫu nhiên.	Loại bỏ sự thiên vị của người quan sát VÀ sự thiên vị của người tham gia
Mù ba lần	Người tham gia, nhà điều tra VÀ nhà phân tích dữ liệu đều được giấu thông tin.	Giảm thiểu sai lệch tối đa
Theo nguyên tắc điều trị dự định (ITT)	Được phân tích trong nhóm ban đầu của họ bất kể sự tuân thủ	Bảo toàn tính ngẫu nhiên; phản ánh cách sử dụng thực tế.
Mỗi giao thức	Chỉ được phân tích nếu họ hoàn thành quy trình.	Cho thấy hiệu quả sinh học nhưng đánh giá quá cao lợi ích thực tế.
Thiết kế chéo	Người tham gia sẽ được điều trị cả hai phương pháp theo trình tự.	Mỗi người tự đóng vai trò là đối chứng của chính mình; cần có giai đoạn loại bỏ chất gây nghiện.
Che giấu phân bổ	Người tuyển chọn người tham gia không thể biết người tham gia tiếp theo sẽ được phân vào nhóm nào cho đến khi sau khi Họ đã được ghi danh	Ngăn chặn người tuyển dụng vô thức (hoặc cố ý) phân bổ những bệnh nhân khỏe mạnh hơn vào nhóm điều trị — một hình thức thiên lệch trong lựa chọn mà chỉ riêng phương pháp ngẫu nhiên hóa không thể ngăn chặn được.
Thử nghiệm ngẫu nhiên có đối chứng theo cụm	Việc chọn ngẫu nhiên được thực hiện trên toàn bộ nhóm (ví dụ: phòng khám bác sĩ đa khoa, khu dân cư, trường học) thay vì từng cá nhân.	Được sử dụng khi việc chọn mẫu ngẫu nhiên riêng lẻ không khả thi (ví dụ: thử nghiệm một kiểu tư vấn mới). Yêu cầu cỡ mẫu lớn hơn và điều chỉnh thống kê để loại bỏ ảnh hưởng của hiệu ứng phân cụm.

⚠️ Bẫy AKT — ITT so với Quy trình

Nguyên tắc "điều trị theo ý định" mang lại nhiều hơn bảo thủ (Ước tính) hiệu quả thấp hơn — vì nó bao gồm cả những người tham gia không tuân thủ. Đây là phương pháp phân tích được ưu tiên cho các quyết định lâm sàng. Phân tích theo phác đồ đánh giá quá cao hiệu quả nhưng hữu ích cho việc hiểu cơ chế sinh học.

⚖️ Thử nghiệm ưu thế, không kém hơn và tương đương

Không phải tất cả các thử nghiệm đều đặt ra cùng một câu hỏi. Thử nghiệm AKT đôi khi kiểm tra xem bạn có hiểu mục đích thực sự của thử nghiệm là gì hay không — và tại sao điều đó lại quan trọng khi diễn giải kết quả của nó.

Loại thử nghiệm	Câu hỏi được đặt ra	Bối cảnh chung
Thử nghiệm ưu việt	"Liệu phương pháp điều trị mới có hiệu quả?" tốt hơn so với "Bộ so sánh?"	Hầu hết các thử nghiệm lâm sàng ngẫu nhiên có đối chứng (RCT) tiêu chuẩn — thử nghiệm một loại thuốc hoặc phương pháp thực sự mới — đều nhằm mục đích kiểm tra một phương pháp điều trị hoàn toàn mới.
Thử nghiệm không thua kém	"Liệu phương pháp điều trị mới có hiệu quả?" không tệ hơn "Bộ so sánh vượt trội hơn so với một biên độ nhỏ đã được xác định trước?"	Thuốc mới với ít tác dụng phụ hơn, chi phí thấp hơn hoặc dễ sử dụng hơn — mục tiêu là chứng minh nó "đủ tốt".
Thử nghiệm tương đương	"Hai phương pháp điều trị đó có phải là...?" về cơ bản giống nhau?"	Thuốc sinh học tương tự; thuốc gốc; các đường dùng khác nhau

💡 Tại sao các thử nghiệm không thua kém lại quan trọng trong y học tổng quát

Một loại thuốc chống đông máu mới có thể được chứng minh là "không thua kém" warfarin trong việc phòng ngừa đột quỵ — không tốt hơn, nhưng cũng không tệ hơn đáng kể — đồng thời dễ sử dụng hơn (không cần theo dõi INR). Đó là một phát hiện có giá trị lâm sàng ngay cả khi thuốc đó không "vượt trội" hơn warfarin. AKT có thể yêu cầu bạn diễn giải kết quả thử nghiệm không thua kém một cách chính xác.

⚠️ Bẫy AKT

Thử nghiệm không thua kém cho thấy "không có sự khác biệt đáng kể" là không Tương tự như một thử nghiệm ưu thế cho thấy "không có sự khác biệt đáng kể". Trong một thử nghiệm ưu thế, kết quả không đáng kể có nghĩa là bạn đã không chứng minh được thuốc mới hoạt động tốt hơn. Trong một thử nghiệm không kém hiệu quả, sự khác biệt không đáng kể chính xác là điều bạn mong muốn.

Thiên kiến trong nghiên cứu, tính hợp lệ và độ tin cậy

Loại thiên vị	Định nghĩa	Những thiết kế nghiên cứu nào?	Làm thế nào để giảm thiểu nó
Xu hướng lựa chọn	Những người tham gia không đại diện cho nhóm đối tượng mục tiêu.	Tất cả các loại	Ngẫu nhiên hóa; lấy mẫu cẩn thận
nhớ lại xu hướng	Những người mắc bệnh nhớ lại các lần tiếp xúc trong quá khứ rõ ràng hơn so với nhóm đối chứng.	Nghiên cứu bệnh chứng	Nguồn dữ liệu khách quan; câu hỏi được tiêu chuẩn hóa.
Sai lệch xuất bản	Các nghiên cứu tích cực/có ý nghĩa được công bố thường xuyên hơn các nghiên cứu tiêu cực.	Phân tích tổng hợp (được phát hiện thông qua biểu đồ hình phễu)	Đăng ký thử nghiệm; tìm kiếm tài liệu không chính thức
Sự thiên vị hao mòn	Việc mất người tham gia trong quá trình theo dõi làm sai lệch kết quả (người bỏ cuộc khác với người hoàn thành).	Nghiên cứu đoàn hệ, thử nghiệm lâm sàng ngẫu nhiên (RCT)	Phân tích theo nguyên tắc "ý định điều trị"; giảm thiểu tỷ lệ bỏ điều trị.
Thiên lệch thời gian dẫn đầu	Sàng lọc tạo ra ảo tưởng về sự cải thiện tỷ lệ sống sót bằng cách phát hiện bệnh sớm.	Nghiên cứu sàng lọc	Hãy sử dụng tỷ lệ tử vong do bệnh cụ thể, chứ không phải tỷ lệ sống sót kể từ khi chẩn đoán.
Độ lệch chiều dài	Sàng lọc giúp phát hiện các bệnh tiến triển chậm hơn (ít nghiêm trọng hơn).	Nghiên cứu sàng lọc	Các thử nghiệm lâm sàng ngẫu nhiên có đối chứng (RCT) với kết quả cụ thể theo từng bệnh.
Thiên kiến quan sát/đánh giá	Việc nắm rõ thông tin về phân bổ điều trị ảnh hưởng đến việc đánh giá kết quả.	RCT	Che mắt (đơn, đôi, ba)
Hiệu ứng Hawthorne	Những người tham gia thay đổi hành vi của họ vì họ biết mình đang bị quan sát.	Tất cả các loại, đặc biệt là loại quan sát.	Nhóm đối chứng; người quan sát mù
Thiên kiến xác minh	Chỉ những bệnh nhân có kết quả xét nghiệm dương tính mới được thực hiện xét nghiệm xác nhận tiêu chuẩn vàng — do đó độ nhạy có vẻ cao một cách sai lệch và độ đặc hiệu có vẻ thấp một cách sai lệch.	Nghiên cứu xét nghiệm chẩn đoán	Đảm bảo tất cả bệnh nhân (dương tính và âm tính) đều được xét nghiệm theo tiêu chuẩn vàng.
Gây nhiễu	Một biến số thứ ba có liên quan đến cả yếu tố phơi nhiễm và kết quả, làm sai lệch mối quan hệ rõ ràng.	Nghiên cứu quan sát	Ngẫu nhiên hóa (thử nghiệm lâm sàng ngẫu nhiên); phân tầng; phân tích đa biến

Ví dụ điển hình về yếu tố gây nhiễu: "Doanh số bán kem có liên quan đến đuối nước." Kem có nguy hiểm không? Không — cả hai đều tăng vào mùa hè. Mùa vụ mới là yếu tố gây nhiễu. Điều này minh họa tại sao tương quan không đồng nghĩa với nhân quả và tại sao cần phải kiểm soát các yếu tố gây nhiễu.

🔀 Sự nhầm lẫn — Khi hai điều trông có vẻ liên quan nhưng thực chất lại không phải vậy

Yếu tố gây nhiễu là một trong những khái niệm quan trọng nhất trong phương pháp nghiên cứu — và là một trong những lý do phổ biến nhất khiến các kết quả quan sát tưởng chừng thuyết phục lại hóa ra sai. Ý tưởng cốt lõi rất đơn giản: Hai sự việc có vẻ liên quan với nhau không phải vì chúng ảnh hưởng trực tiếp đến nhau, mà vì cả hai đều liên quan đến một biến số thứ ba ẩn giấu.

🔴 Định nghĩa cốt lõi

A yếu tố gây nhiễu (hoặc biến gây nhiễu) là biến thứ ba có liên quan độc lập với cả hai sự tiếp xúc và Kết quả. Nó tạo ra một mối liên hệ giả tạo (sai lệch) — hoặc che giấu một mối liên hệ thực sự — giữa yếu tố phơi nhiễm và kết quả mà bạn đang nghiên cứu.

Hãy tưởng tượng bạn nhận thấy những người mang bật lửa có nguy cơ mắc ung thư phổi cao hơn. Vậy chúng ta có nên cấm bật lửa không? Không – thủ phạm thực sự là hút thuốc lá. Hút thuốc lá có liên quan đến cả việc mang bật lửa và nguy cơ mắc ung thư phổi. Hút thuốc lá là yếu tố gây nhiễu. Mối liên hệ giữa việc mang bật lửa và ung thư hoàn toàn được giải thích bởi nó.

Ví dụ cổ điển

Mối liên hệ rõ ràng	Yếu tố gây nhiễu	Vì sao nó giải thích tất cả mọi thứ?
Doanh số bán kem → số người chết đuối	Thời tiết nóng (mùa hè)	Thời tiết nóng khiến người ta ăn nhiều kem hơn VÀ bơi nhiều hơn → dẫn đến nhiều vụ chết đuối hơn. Kem không phải là nguyên nhân gây chết đuối.
Uống cà phê → ung thư phổi	hút thuốc	Trung bình, người hút thuốc uống nhiều cà phê hơn. Các nghiên cứu ban đầu cho thấy cà phê có liên quan đến ung thư — cho đến khi yếu tố hút thuốc được đưa vào để kiểm soát.
Mang theo bật lửa → ung thư phổi	hút thuốc	Người hút thuốc thường mang theo bật lửa. Bật lửa không gây ảnh hưởng sinh học nào — mà chính việc hút thuốc mới gây ra tác hại đó.
Tóc bạc → bệnh tim	Độ tuổi	Cả tóc bạc và bệnh tim đều tăng theo tuổi tác. Tuổi tác mới là yếu tố gây nhiễu — chứ không phải màu tóc.
Kích cỡ giày dép → khả năng đọc (ở trẻ em)	Độ tuổi	Trẻ lớn hơn có bàn chân to hơn VÀ đọc tốt hơn. Tuổi tác giải thích cả hai điều này.

📐 Ba tiêu chí để xác định một yếu tố gây nhiễu thực sự

Một biến được coi là biến gây nhiễu nếu nó đáp ứng các điều kiện sau: cả ba trong số này:

Nó được liên kết với tiếp xúc (điều bạn đang nghiên cứu)
Nó được liên kết với kết quả (kết quả bạn đang đo lường)
Đó là không trên con đường nhân quả giữa yếu tố phơi nhiễm và kết quả (đó là một biến số thứ ba riêng biệt, không phải là một bước trung gian)

💡 Cách kiểm soát các yếu tố gây nhiễu

Phân loại ngẫu nhiên (Trong các thử nghiệm lâm sàng ngẫu nhiên) — phân bổ các yếu tố gây nhiễu đã biết và chưa biết một cách đồng đều giữa các nhóm. Đây là biện pháp bảo vệ mạnh mẽ nhất.
Hạn Chế — Chỉ tuyển chọn những người tham gia có đặc điểm tương đồng về yếu tố gây nhiễu (ví dụ: chỉ những người không hút thuốc trong nghiên cứu về cà phê)
Phù hợp — Ghép cặp trường hợp và nhóm đối chứng dựa trên biến gây nhiễu
Sự phân tầng — Phân tích kết quả riêng biệt cho từng mức độ của yếu tố gây nhiễu
Điều chỉnh thống kê đa biến — thống kê đồng thời tính đến nhiều yếu tố gây nhiễu.

⚠️ Vì sao yếu tố gây nhiễu chủ yếu là vấn đề trong các nghiên cứu quan sát

Trong một thử nghiệm lâm sàng ngẫu nhiên (RCT) được thực hiện tốt, việc phân bổ ngẫu nhiên giúp phân bổ các yếu tố gây nhiễu (cả đã biết và chưa biết) một cách đồng đều giữa các nhóm — loại bỏ yếu tố gây nhiễu như một lời giải thích cho sự khác biệt. Trong các nghiên cứu đoàn hệ và nghiên cứu bệnh chứng, bạn chỉ có thể điều chỉnh cho các yếu tố gây nhiễu mà bạn đã biết và đã đo lường. Các yếu tố gây nhiễu chưa được đo lường luôn tiềm ẩn khả năng giải thích cho bất kỳ mối liên hệ nào được quan sát — đó là lý do tại sao các nghiên cứu quan sát không bao giờ có thể chứng minh một cách chắc chắn mối quan hệ nhân quả.

✅ Tính hợp lệ và độ tin cậy — Sự khác biệt là gì?

Giá trị nội tại

Liệu nghiên cứu này có đo lường đúng những gì nó tuyên bố đo lường trong quần thể nghiên cứu hay không? Kết quả của... điều này Độ tin cậy của nghiên cứu có bị đe dọa bởi sự thiên vị và các yếu tố gây nhiễu không?

Tính hiệu lực bên ngoài (Khả năng khái quát hóa)

Liệu kết quả có thể áp dụng cho các quần thể khác hoặc các bối cảnh thực tế khác không? Một thử nghiệm lâm sàng ngẫu nhiên có kiểm soát chặt chẽ tại một trung tâm chuyên khoa có thể không phản ánh những gì xảy ra trong chăm sóc sức khỏe ban đầu.

Độ tin cậy (Khả năng tái lập)

Liệu bài kiểm tra có cho kết quả nhất quán khi được lặp lại trong cùng điều kiện? Được đo bằng độ tin cậy giữa các người đánh giá (thống kê kappa) hoặc độ tin cậy kiểm tra lại.

Hệ số Kappa (κ)

Hệ số κ đo lường sự thống nhất giữa hai người đánh giá vượt quá mức ngẫu nhiên. κ = 1 (thống nhất hoàn hảo); κ = 0 (thống nhất không tốt hơn mức ngẫu nhiên); κ < 0 (tệ hơn mức ngẫu nhiên).

Đo lường rủi ro và hiệu quả điều trị

Đây là khu vực được kiểm tra nhiều nhất Trong môn Thống kê AKT, bạn cần nắm vững các công thức này và có thể áp dụng chúng vào bảng dữ liệu thử nghiệm trong điều kiện thi.

Hãy tưởng tượng bạn đang ở sòng bạc. Xổ số nói rằng bạn đã tăng gấp đôi cơ hội trúng thưởng — nghe thật tuyệt vời. Nhưng nếu bạn tăng từ 1 trên 1 triệu lên 2 trên 1 triệu, thì mức cải thiện tương đối là 100% nhưng sự khác biệt tuyệt đối về cơ bản vẫn là không đáng kể. Đó là sự khác biệt giữa RRR và ARR. Các công ty dược phẩm rất thích trích dẫn RRR. Bạn luôn nên hỏi về ARR.

Các số liệu chính

Giảm rủi ro tuyệt đối (ARR)

ARR = CER − EER

Sự khác biệt thực tế về tỷ lệ biến cố giữa các nhóm. Đây là thước đo trung thực nhất về mặt lâm sàng.

Giảm rủi ro tương đối (RRR)

RRR = (CER − EER) ÷ CER

Thường nghe có vẻ ấn tượng hơn — nhưng có thể gây hiểu lầm nếu không biết mức độ rủi ro thực tế. Công thức thay thế: RRR = 1 − RR (Vì RR = EER÷CER, nên RRR = 1 − giá trị đó).

Rủi ro tương đối (RR)

RR = EER ÷ CER

Được sử dụng trong các nghiên cứu đoàn hệ và thử nghiệm lâm sàng ngẫu nhiên (RCT). Tỷ lệ rủi ro tương đối (RR) bằng 1 = không có tác dụng; <1 = giảm nguy cơ; >1 = tăng nguy cơ.

Số lượng bệnh nhân cần điều trị (NNT)

NNT = 1 ÷ ARR

Cần điều trị bao nhiêu bệnh nhân để ngăn ngừa một kết quả xấu? Số càng ít càng hiệu quả. Luôn làm tròn lên.

Số lượng cần thiết để gây hại (NNH)

NNH = 1 ÷ ARI

Cần điều trị bao nhiêu bệnh nhân để gây ra thêm một tác dụng phụ? Số lượng càng cao = điều trị càng an toàn hơn.

Mức tăng rủi ro tuyệt đối (ARI)

ARI = EER − CER

Rủi ro bổ sung do tiếp xúc với tác nhân gây hại hoặc tác dụng phụ của điều trị.

📊 Giải thích NNT — Những con số này thực sự có ý nghĩa gì?

⚠️ Nhầm lẫn thường gặp — NNT càng thấp = càng tốt (chứ không phải càng tệ)

NNT cho bạn biết bạn cần điều trị cho bao nhiêu bệnh nhân. một để được hưởng lợi. Vì vậy, ít hơn Số bệnh nhân cần điều trị để đạt được một lợi ích càng nhiều thì phương pháp điều trị càng hiệu quả. NNT = 2 có nghĩa là cứ 2 bệnh nhân thì có 1 người được hưởng lợi — điều này rất tốt. NNT = 100 có nghĩa là chỉ có 1 trong 100 bệnh nhân được hưởng lợi — hiệu quả kém hơn nhiều.

Hãy tưởng tượng việc phát ô vào một ngày mưa. NNT = 2 → phát 2 ô, chỉ có 1 người không bị ướt — rất hiệu quả. NNT = 100 → phát 100 ô, chỉ có 1 người không bị ướt — khá kém hiệu quả.

Phạm vi NNT	Giải thích sơ lược	Ví dụ Bối cảnh
<10	Rất hiệu quả	Thuốc kháng sinh dùng cho một số bệnh nhiễm trùng; một số phương pháp điều trị cấp tính.
10 - 50	Hiệu ứng vừa phải	Nhiều loại thuốc phòng ngừa thông thường
> 100	Hiệu ứng yếu	Một số chiến lược phòng ngừa ở cấp độ dân số

⚠️ Các ban nhạc này mang tính chất không chính thức — Bối cảnh là tất cả

Các ngưỡng này là không Theo NICE hoặc RCGP, chúng chỉ là những công cụ hỗ trợ giảng dạy sơ lược. Giá trị NNT "đúng" luôn phụ thuộc vào ngữ cảnh:

Một NNT của 100 vẫn có thể đáng giá nếu hậu quả được ngăn chặn là tử vong hoặc tổn thương nghiêm trọng không thể hồi phục.
Một NNT của 5 có thể không được chấp nhận nếu phương pháp điều trị có tác dụng phụ thường xuyên hoặc nghiêm trọng

Quy tắc một dòng: NNT cho biết bạn cần điều trị bao nhiêu bệnh nhân để một người được hưởng lợi — chỉ số càng thấp thì hiệu quả càng mạnh. Nhưng luôn phải cân nhắc điều này so với mức độ nghiêm trọng của bệnh và gánh nặng điều trị.

🔄 Đừng nhầm lẫn NNT với phần trăm lợi ích

Nếu 60 trong số 100 bệnh nhân được hưởng lợi, thì đó là tỷ lệ giảm nguy cơ tuyệt đối (ARR) là 60% (= 0.6), cho NNT = 1 ÷ 0.6 ≈ 1.7 — một kết quả xuất sắc. NNT không phải là số người được hưởng lợi; mà là số người bạn điều trị để đạt được kết quả mong muốn. một lợi ích.

📖 Tỷ lệ chênh lệch (Odds Ratio) và tỷ lệ rủi ro (Hazard Ratio) — Khi nào thì nên sử dụng chúng?

Đo	Được dùng trong	Sự giải thích
Rủi ro tương đối (RR)	Nghiên cứu đoàn hệ, thử nghiệm lâm sàng ngẫu nhiên (RCT)	So sánh trực tiếp mức độ rủi ro giữa hai nhóm. Trực quan hơn so với tỷ lệ chênh lệch (OR).
Tỷ lệ cược (OR)	Nghiên cứu bệnh chứng	So sánh tỷ lệ phơi nhiễm giữa nhóm bệnh nhân và nhóm đối chứng. Ước tính tỷ lệ rủi ro tương đối (RR) khi bệnh hiếm gặp.
Tỷ lệ nguy hiểm (HR)	Phân tích sống sót (thời gian đến sự kiện)	Giống như RR nhưng có tính đến khi nào Các sự kiện xảy ra theo thời gian. HR <1 = giảm nguy cơ ở nhóm điều trị.

⚠️ Bẫy AKT — HOẶC ≠ RR

Đối với các bệnh phổ biến, OR ước tính rủi ro cao hơn so với RR. Đối với các bệnh hiếm gặp (<10% tỷ lệ mắc), chúng xấp xỉ bằng nhau. Một nghiên cứu đối chứng tạo ra OR — bạn không thể Tính toán trực tiếp tỷ lệ mắc bệnh hoặc RR từ một nghiên cứu đối chứng.

🧮 Ví dụ minh họa — Tính toán NNT từ dữ liệu thử nghiệm

🎯 Tình huống: Thử nghiệm thuốc Statin

Một nghiên cứu ngẫu nhiên có đối chứng kéo dài 5 năm cho thấy rằng trong số các bệnh nhân có nguy cơ tim mạch cao: 6% ở nhóm dùng giả dược bị đau tim, so với 4% ở nhóm dùng statin.

1 CER (Tỷ lệ sự kiện kiểm soát) = 6% = 0.06 EER (Tỷ lệ sự kiện thử nghiệm) = 4% = 0.04

2 ARR = CER − EER = 0.06 − 0.04 = 0.02 (2%)

3 NNT = 1 ÷ ARR = 1 ÷ 0.02 = 50
Điều trị cho 50 bệnh nhân trong 5 năm để ngăn ngừa 1 ca nhồi máu cơ tim.

4 Rrr = ARR ÷ CER = 0.02 ÷ 0.06 = 33%
Nghe có vẻ ấn tượng! Nhưng lợi ích tuyệt đối chỉ là 2%.

5 RR = EER ÷ CER = 0.04 ÷ 0.06 = 0.67
Nhóm dùng statin có nguy cơ mắc bệnh bằng 67% so với nhóm dùng giả dược — giảm tương đối 33%.

💡 Tóm lại về mặt lâm sàng

Khi bệnh nhân hỏi "Thuốc statin này có giúp ích cho tôi không?", hãy sử dụng NNT (số bệnh nhân cần điều trị để đạt được kết quả). "Nếu 50 người như bạn dùng thuốc này trong 5 năm, sẽ ngăn ngừa được 1 cơn đau tim. Đối với cá nhân bạn, lợi ích tuyệt đối là 2%." Điều đó trung thực hơn nhiều so với "Nó làm giảm nguy cơ của bạn xuống 33%."

💬 Truyền đạt rủi ro cho bệnh nhân (Bài viết được AKT yêu thích)

Bài kiểm tra AKT thường đánh giá khả năng giải thích thông tin thống kê cho bệnh nhân của bạn. Có bốn hình thức chính:

Định dạng	Ví dụ	tốt nhất cho
Tần số tự nhiên	"5 trên 100 người"	Dễ hiểu nhất đối với bệnh nhân
Tỷ lệ phần trăm	"5% dân số"	Được sử dụng rộng rãi nhưng có thể gây hiểu lầm.
NNT	"Điều trị 20 trường hợp để ngăn ngừa 1 trường hợp"	Truyền đạt lợi ích tuyệt đối một cách rõ ràng
Lô đất Cates	Lưới hình ảnh gồm 100 mặt	Công cụ hỗ trợ trực quan tốt nhất cho việc ra quyết định chung.

🚨 Không bao giờ sử dụng RRR một mình khi truyền đạt thông tin về rủi ro

Việc nói "điều này làm giảm rủi ro của bạn xuống 33%" mà không nêu rõ rủi ro cơ bản là gây hiểu nhầm. Mức giảm rủi ro tương đối (RRR) 33% so với rủi ro cơ bản 0.3% có nghĩa là lợi ích tuyệt đối của bạn chỉ là 0.1%. Luôn luôn kết hợp RRR với rủi ro cơ bản hoặc sử dụng ARR/NNT thay thế.

💊 Chiêu trò của nhân viên bán hàng dược phẩm — Cách các công ty dược phẩm thao túng số liệu thống kê

Các đại diện của công ty dược phẩm được đào tạo để trình bày dữ liệu thử nghiệm theo hướng có lợi nhất. Họ sử dụng một thủ thuật thống kê đơn giản nhưng hiệu quả:

Lợi ích → được thể hiện dưới dạng Giảm rủi ro tương đối (RRR) — bởi vì nó nghe có vẻ hoành tráng và ấn tượng hơn
Tác hại → được trích dẫn dưới dạng Mức tăng rủi ro tuyệt đối (ARI) — bởi vì nó nghe có vẻ nhỏ hơn và ít đáng lo ngại hơn.

Ví dụ minh họa — một cuộc gặp gỡ giả định với đại diện bán thuốc statin

Một loại statin mới giúp giảm nguy cơ đau tim từ 2% xuống 1% trong vòng 5 năm, nhưng lại làm tăng nguy cơ bệnh cơ từ 1% lên 2%.

Những gì người đại diện nói	Nó thực sự có nghĩa là gì
"Thuốc này làm giảm nguy cơ đau tim bằng cách 50%"	RRR = 50% — nhưng ARR chỉ là 1%NNT = 100. Điều trị cho 100 người trong 5 năm để ngăn ngừa 1 cơn đau tim.
"Nguy cơ mắc bệnh cơ chỉ tăng lên một chút." 1%"	ARI = 1% — nhưng thực tế đó là một tăng gấp đôi nguy cơ mắc bệnh cơ (Tỷ lệ tăng nguy cơ tương đối = 100%).

Phiên bản trung thực: "Nếu 100 bệnh nhân dùng thuốc này trong 5 năm, sẽ có thêm 1 người tránh được cơn đau tim — và thêm 1 người bị bệnh cơ." Cùng một dữ liệu. Nhưng ấn tượng hoàn toàn khác nhau.

Thuốc giải độc: luôn hỏi — "Sự khác biệt tuyệt đối là gì?" Khi người đại diện đưa ra con số tương đối, hãy tự mình chuyển đổi: ARR = CER − EER, sau đó NNT = 1 ÷ ARR. Điều này cũng áp dụng cho các khoản phúc lợi. và những tác hại.

Xét nghiệm và sàng lọc chẩn đoán — Bảng 2x2

Bảng phân tích tương quan 2×2 là nền tảng của tất cả các thống kê chẩn đoán. Nếu bạn có thể lập và đọc bảng này, bạn có thể trả lời hầu hết các câu hỏi AKT chẩn đoán.

Bảng 2×2

	TÌNH TRẠNG BỆNH THỰC TẾ
KẾT QUẢ KIỂM TRA	Bệnh Hiện tại	Bệnh Vắng mặt
Kiểm tra dương tính	Tích cực thực sự (TP) Kết quả xét nghiệm là CÓ → mắc bệnh ✓	Dương tính giả (FP) Kết quả xét nghiệm là CÓ → không mắc bệnh ✗
Kiểm tra âm tính	Phủ định Sai (FN) Kết quả xét nghiệm cho thấy KHÔNG → mắc bệnh ✗	Tiêu cực thực sự (TN) Kết quả xét nghiệm cho thấy KHÔNG → không mắc bệnh ✓

Độ nhạy

TP ÷ (TP + FN)

Tỷ lệ người mắc bệnh có kết quả xét nghiệm dương tính. "Khả năng lây nhiễm bệnh cao đến mức nào?"

Tính đặc hiệu

TN ÷ (TN + FP)

Tỷ lệ người KHÔNG mắc bệnh nhưng có kết quả xét nghiệm âm tính. "Khả năng loại trừ bệnh tật tốt đến mức nào?"

Giá trị dự đoán tích cực (PPV)

TP ÷ (TP + FP)

Xác suất một kết quả xét nghiệm dương tính thực sự có nghĩa là mắc bệnh. Bị ảnh hưởng bởi tỷ lệ mắc bệnh.

Giá trị dự đoán phủ định (NPV)

TN ÷ (TN + FN)

Xác suất một kết quả xét nghiệm âm tính thực sự có nghĩa là không mắc bệnh. Bị ảnh hưởng bởi tỷ lệ mắc bệnh.

🧠 SnNout & SpPin — Các công cụ hỗ trợ trí nhớ (và lý do tại sao chúng hiệu quả)

SnNout

Snngoài ra: Một điều rất quan trọng Senxét nghiệm dương tính, nếu Nâm tính, chi phối bệnh tật Out.

Nếu độ nhạy rất cao, kết quả xét nghiệm âm tính có nghĩa là khả năng mắc bệnh rất thấp (tỷ lệ âm tính giả thấp). Hãy sử dụng xét nghiệm có độ nhạy cao để sàng lọc và loại trừ khả năng mắc bệnh.

SpPin

Sptrong: Một cách rất cao Spkiểm tra cụ thể, nếu Pdương tính, chi phối bệnh tật In.

Nếu độ đặc hiệu rất cao, kết quả xét nghiệm dương tính có nghĩa là rất có khả năng mắc bệnh (tỷ lệ dương tính giả thấp). Hãy sử dụng xét nghiệm chuyên biệt để xác nhận chẩn đoán.

Hãy hình dung độ nhạy như một thiết bị báo khói cực kỳ nhạy – nó sẽ báo động cho mọi thứ, kể cả bánh mì nướng cháy. Nó sẽ không bao giờ bỏ sót một đám cháy thực sự (SnNout). Độ đặc hiệu là một thiết bị báo động được hiệu chỉnh tốt, chỉ kích hoạt khi có đám cháy thực sự – nếu nó báo động, bạn có thể chắc chắn rằng thực sự có đám cháy (SpPin).

📊 Ảnh hưởng của tỷ lệ mắc bệnh đến PPV & NPV — Chủ đề quan trọng của AKT

Đây là một trong những khái niệm quan trọng và được kiểm chứng nhiều nhất trong thống kê chẩn đoán. Độ nhạy và độ đặc hiệu là những thuộc tính cố định của xét nghiệm. Nhưng giá trị dự đoán dương tính (PPV) và giá trị dự đoán âm tính (NPV) thay đổi đáng kể tùy thuộc vào mức độ phổ biến của bệnh trong quần thể được xét nghiệm.

Hãy tưởng tượng bạn sử dụng cùng một que thử thai tại một phòng khám hỗ trợ sinh sản (60% phụ nữ có thai) so với tại một phòng khám đa khoa thông thường (5% phụ nữ có thể có thai). Cùng một que thử – cùng độ nhạy/độ đặc hiệu. Nhưng kết quả dương tính lại mang ý nghĩa rất khác nhau trong mỗi trường hợp.

Kịch bản	Tỷ lệ	PPV	NPV
Sàng lọc dân số nói chung để phát hiện bệnh hiếm gặp (ví dụ: HIV ở nhóm nguy cơ thấp)	1%	THẤP (~16%)	CAO (~99.9%)
Xét nghiệm tại phòng khám chuyên khoa dành cho bệnh nhân có nguy cơ cao.	50%	CAO (~95%)	CAO (~95%)

🔴 Những quy tắc quan trọng cần ghi nhớ

Khi tỷ lệ mắc bệnh tăng lên, giá trị dự đoán dương tính (PPV) tăng lên, giá trị dự đoán âm tính (NPV) giảm xuống.
Khi tỷ lệ mắc bệnh giảm → giá trị dự đoán dương tính (PPV) giảm, giá trị dự đoán âm tính (NPV) tăng.
Trong quần thể có tỷ lệ mắc bệnh thấp, hầu hết các kết quả dương tính đều là dương tính giả (giá trị dự đoán dương tính thấp) — ngay cả với xét nghiệm có độ đặc hiệu cao.
Kết quả xét nghiệm âm tính trong quần thể có tỷ lệ mắc bệnh cao vẫn có thể bỏ sót bệnh (giá trị dự đoán âm tính thấp hơn).

📐 Tỷ lệ xác suất — Khi bạn muốn tiến xa hơn

Tỷ lệ khả năng (LR) kết hợp độ nhạy và độ đặc hiệu thành một con số duy nhất cho biết kết quả xét nghiệm làm thay đổi xác suất mắc bệnh như thế nào. Phương pháp này tiên tiến hơn PPV/NPV, nhưng hữu ích — và đôi khi được thử nghiệm trong AKT.

Tỷ lệ khả năng tích cực (LR+)

LR+ = Độ nhạy ÷ (1 − Độ đặc hiệu)

Xác suất xét nghiệm dương tính ở người mắc bệnh cao hơn bao nhiêu so với người không mắc bệnh? LR+ >10 = bằng chứng mạnh mẽ cho thấy có bệnh.

Tỷ lệ khả năng âm tính (LR−)

LR− = (1 − Độ nhạy) ÷ Độ đặc hiệu

Xác suất xét nghiệm âm tính cao hơn bao nhiêu khi mắc bệnh so với khi không mắc bệnh? LR− <0.1 = bằng chứng mạnh mẽ chống lại bệnh tật.

LỚP+	Ảnh hưởng đến xác suất sau thử nghiệm
> 10	Sự gia tăng đáng kể và thường mang tính quyết định về xác suất
5-10	Tăng vừa phải
2-5	Tăng nhẹ
1	Không có thay đổi (thử nghiệm vô ích)
0.1-0.5	Giảm nhẹ đến vừa phải
	Giảm mạnh — loại trừ hoàn toàn khả năng âm tính

Biểu đồ Fagan sử dụng tỷ lệ khả năng (LR) một cách trực quan — bạn vẽ một đường thẳng từ xác suất trước xét nghiệm đi qua LR để đọc xác suất sau xét nghiệm. Nếu bạn thấy điều này trong AKT, hãy nhớ: kết quả xét nghiệm dương tính làm thay đổi xác suất. up, kết quả xét nghiệm âm tính làm thay đổi nó xuống.

Thống kê dân số và dịch tễ học

Tỷ lệ mắc

Số ca mắc mới ÷ Số người có nguy cơ mắc bệnh × hệ số nhân

Các biện pháp nguy cơChỉ tính các trường hợp MỚI trong một khoảng thời gian xác định.

Tỷ lệ hiện mắc tại một thời điểm

Tất cả các ca bệnh hiện có ÷ Tổng số dân

Các biện pháp gánh nặng bệnh tậtTính TẤT CẢ các trường hợp (mới và cũ) tại một thời điểm cụ thể (Thời điểm T). Cũng được viết là: Số ca mắc tại Thời điểm T ÷ Dân số tại Thời điểm T.

Tỷ lệ mắc bệnh là số lượng học sinh mới nhập học vào trường trong năm nay. Tỷ lệ hiện mắc là tổng số học sinh hiện đang học tại trường (học sinh mới + học sinh hiện tại). Một bệnh mãn tính có tỷ lệ mắc bệnh thấp vẫn có thể có tỷ lệ hiện mắc cao nếu người bệnh sống chung với nó trong nhiều năm.

📊 Tỷ lệ tử vong chuẩn hóa (SMR)

Công thức SMR

(Số ca tử vong thực tế ÷ Số ca tử vong dự kiến) × 100

Điều chỉnh theo tuổi và giới tính khi so sánh tỷ lệ tử vong giữa các quần thể.

Giá trị SMR	Sự giải thích
= 100	Tỷ lệ tử vong tương tự như quần thể tham chiếu
> 100	Tỷ lệ tử vong vượt mức (cao hơn dự kiến)
<100	Tỷ lệ tử vong thấp hơn dự kiến

Câu hỏi AKT dạng: "Một cộng đồng khai thác mỏ có SMR là 145. Điều này có nghĩa là gì?" → Tỷ lệ tử vong vượt mức bình thường — số ca tử vong cao hơn 45% so với dự kiến ở một quần thể dân cư tương đương.

🎯 Sàng lọc — Thiên kiến về thời gian chuẩn bị và độ dài (Những cạm bẫy chính của AKT)

🔴 Thiên lệch thời gian giao hàng

Sàng lọc giúp phát hiện bệnh sớm hơn, khiến người ta có cảm giác tỷ lệ sống sót được cải thiện — ngay cả khi bệnh nhân tử vong cùng một thời điểm. "Thời gian sống sót kể từ khi chẩn đoán" đơn giản chỉ được kéo dài nhờ phát hiện sớm, chứ không phải do lợi ích điều trị thực sự. Bệnh nhân không sống lâu hơn; họ chỉ biết mình mắc bệnh lâu hơn mà thôi.

🟠 Độ lệch chiều dài

Các chương trình sàng lọc có nhiều khả năng phát hiện bệnh tiến triển chậm, âm ỉ (có "giai đoạn tiền lâm sàng có thể phát hiện" dài hơn) hơn là bệnh ác tính tiến triển nhanh. Điều này khiến việc sàng lọc có vẻ hiệu quả hơn thực tế đối với các trường hợp bệnh nặng.

Sai lệch do thời gian phát hiện sớm: Hãy tưởng tượng bạn biết mình sẽ chết ở tuổi 60. Nếu không sàng lọc, bạn phát hiện ra ở tuổi 55; nếu sàng lọc, bạn phát hiện ra ở tuổi 40. Sàng lọc dường như giúp bạn sống thêm 15 năm kể từ khi được chẩn đoán — nhưng bạn vẫn chết ở tuổi 60.

✅ Tiêu chí sàng lọc Wilson & Jungner

Trước khi một chương trình sàng lọc được đưa vào sử dụng, nó cần phải đáp ứng các tiêu chí của Wilson & Jungner (được công bố lần đầu năm 1968, vẫn là khuôn khổ tiêu chuẩn). Bài kiểm tra AKT đánh giá cả kiến thức về các tiêu chí này và khả năng áp dụng chúng vào các tình huống thực tế.

#	Tiêu chí	Ý nghĩa thực tiễn của nó
1	Vấn đề sức khỏe quan trọng	Tình trạng này có tỷ lệ mắc bệnh hoặc tử vong đáng kể — việc sàng lọc là rất cần thiết.
2	Phương pháp điều trị được chấp nhận hiện có	Không ích gì khi phát hiện ra căn bệnh mà bạn không thể điều trị.
3	Các cơ sở chẩn đoán và điều trị hiện có sẵn.	Cần phải có cơ sở hạ tầng sẵn sàng trước khi triển khai.
4	giai đoạn tiềm ẩn hoặc giai đoạn sớm có thể nhận biết được.	Bệnh phải có giai đoạn tiền triệu chứng có thể phát hiện được.
5	Có bài kiểm tra phù hợp.	Phương pháp xét nghiệm phải được người dân chấp nhận, an toàn và có độ chính xác hợp lý.
6	Thử nghiệm được người dân chấp nhận	Mọi người phải sẵn lòng trải qua xét nghiệm — các xét nghiệm xâm lấn hoặc gây khó chịu có thể khiến họ từ bỏ.
7	Lịch sử tự nhiên được hiểu một cách đầy đủ	Cần phải biết bệnh sẽ diễn tiến như thế nào nếu không được điều trị.
8	Đã thống nhất chính sách về đối tượng được điều trị.	Cần có các quy trình rõ ràng — không chỉ là phát hiện mà còn là những gì sẽ xảy ra tiếp theo.
9	Chi phí hợp lý, ít xáo trộn nhà ở:	Chi phí tìm kiếm từng trường hợp cần được cân bằng với lợi ích thu được.
10	Quá trình liên tục, không phải là một lần duy nhất.	Việc sàng lọc phải được thực hiện liên tục — tỷ lệ mắc bệnh vẫn tiếp diễn.

⚠️ Ứng dụng AKT — Tại sao xét nghiệm PSA không đáp ứng các tiêu chí này

Xét nghiệm PSA sàng lọc ung thư tuyến tiền liệt là không Một phần của chương trình sàng lọc quốc gia NHS chính xác là vì nó gặp khó khăn với tiêu chí 5 và 7: PSA không phải là xét nghiệm đủ chính xác (độ đặc hiệu thấp → nhiều kết quả dương tính giả), và diễn biến tự nhiên của nhiều bệnh ung thư tuyến tiền liệt cấp độ thấp có nghĩa là chúng sẽ không bao giờ gây ra triệu chứng trong suốt cuộc đời của bệnh nhân. Điều này liên quan trực tiếp đến việc chẩn đoán quá mức (xem bên dưới).

Mẹo ghi nhớ: hãy nghĩ về các tiêu chí như ba nhóm — bệnh (quan trọng, đã được hiểu, có giai đoạn tiềm ẩn), các bài kiểm tra (phù hợp, chấp nhận được, chính xác), hệ thống (Phương pháp điều trị đã có, cơ sở vật chất đã có, chính sách đã được thống nhất, hiệu quả về chi phí, liên tục).

🔍 Chẩn đoán quá mức — Tìm ra những vấn đề lẽ ra không gây ra vấn đề gì

Chẩn đoán quá mức xảy ra khi một căn bệnh có thật được phát hiện — một căn bệnh thực sự tồn tại — nhưng căn bệnh đó... chưa từng gây ra triệu chứng, tổn hại hoặc tử vong. Nếu không được phát hiện, bệnh sẽ tiến triển trong suốt cuộc đời của bệnh nhân. Đây không phải là kết quả dương tính giả (bệnh là có thật); mà là kết quả dương tính thật sự nhưng không cần thiết phải phát hiện ra.

🔴 Tại sao điều này lại quan trọng

Việc chẩn đoán quá mức biến những người khỏe mạnh thành bệnh nhân. Nó khiến họ phải đối mặt với sự lo lắng, tác dụng phụ và rủi ro của việc điều trị một căn bệnh mà lẽ ra sẽ không bao giờ gây hại cho họ. Đây là một trong những tác hại quan trọng nhất của các chương trình sàng lọc — và là điều mà AKT kiểm tra trực tiếp.

Điều kiện	Ví dụ về chẩn đoán quá mức
Ung thư tuyến tiền liệt	Nhiều loại ung thư giai đoạn nhẹ được phát hiện bằng xét nghiệm PSA sẽ không bao giờ tiến triển hoặc gây ra triệu chứng — nam giới có thể tử vong. với họ, không phải từ họ
Ung thư tuyến giáp	Siêu âm phát hiện các khối u ung thư tuyến giáp thể nhú nhỏ, hầu hết đều tiến triển chậm – tỷ lệ phát hiện đã tăng vọt nhưng tỷ lệ tử vong không thay đổi.
DCIS (vú)	Ung thư biểu mô ống tại chỗ được phát hiện bằng chụp nhũ ảnh — một số trường hợp sẽ không bao giờ tiến triển thành ung thư xâm lấn.

Việc chẩn đoán quá mức giống như việc phát hiện ra một vết nứt nhỏ trên tường mà lẽ ra sẽ không bao giờ khiến ngôi nhà sụp đổ — nhưng giờ bạn đã phát hiện ra nó, bạn cảm thấy buộc phải sửa chữa. Vết nứt là có thật; tác hại từ việc phát hiện ra nó đến từ phương pháp điều trị, chứ không phải từ chính vết nứt.

Chẩn đoán quá mức so với điều trị quá mức

chẩn đoán quá mức = Phát hiện ra một căn bệnh không cần phải phát hiện. Xử lý quá mức = Điều trị một căn bệnh không cần điều trị (có thể do chẩn đoán quá mức hoặc xảy ra độc lập). Đây là những khái niệm có liên quan nhưng khác biệt.

🔢 Chuẩn hóa theo độ tuổi

Khi so sánh tỷ lệ mắc bệnh hoặc tỷ lệ tử vong giữa các quần thể khác nhau (ví dụ: các quốc gia khác nhau, các thời kỳ khác nhau), cần phải điều chỉnh cho thực tế là các quần thể đó có thể có sự phân bố độ tuổi khác nhau. Các quần thể lớn tuổi hơn đương nhiên sẽ có tỷ lệ tử vong cao hơn ngay cả khi sức khỏe của họ tốt như nhau.

Khái niệm chính

Chuẩn hóa theo độ tuổi là một kỹ thuật thống kê giúp loại bỏ ảnh hưởng sai lệch của sự phân bố độ tuổi khác nhau khi so sánh kết quả sức khỏe giữa các quần thể. Kỹ thuật này tạo ra tỷ lệ sẽ được quan sát thấy nếu cả hai quần thể đều có cấu trúc độ tuổi giống nhau (quần thể chuẩn).

🎗️ Thống kê về ung thư — Những điều AKT cần biết

AKT thỉnh thoảng kiểm tra các số liệu thống kê cụ thể về ung thư. Bạn không cần phải có kiến thức chuyên sâu về ung thư — nhưng những con số nổi bật này thường xuất hiện và rất đáng để biết.

Ung thư	Thống kê chính	Tại sao nó quan trọng
Ung thư tinh hoàn	Tỷ lệ sống sót sau 10 năm >98%	Một trong những loại ung thư dễ điều trị nhất — điều quan trọng cần biết khi tư vấn cho nam giới trẻ tuổi.
Ung thư phổi	Nguyên nhân hàng đầu gây tử vong do ung thư (Vương quốc Anh)	Mặc dù không phải là loại ung thư phổ biến nhất, nhưng nó lại gây tử vong cho nhiều người hơn bất kỳ loại ung thư nào khác.

⚠️ Tỷ lệ sống sót so với tỷ lệ tử vong — Đừng nhầm lẫn hai điều này

Ung thư có thể có tỷ lệ cao. tỷ lệ (thường gặp) nhưng thấp tỷ lệ tử vong (Có thể điều trị được), như ung thư vú. Hoặc nó có thể có tỷ lệ mắc thấp hơn nhưng tỷ lệ tử vong rất cao, như ung thư tuyến tụy. Bài kiểm tra AKT có thể kiểm tra khả năng diễn giải chính xác các số liệu thống kê về ung thư của bạn — đừng cho rằng loại ung thư phổ biến nhất là loại gây tử vong cao nhất.

⚖️ Bất bình đẳng về sức khỏe

Bất bình đẳng về sức khỏe mô tả những khác biệt không công bằng, có thể tránh được về sức khỏe giữa các nhóm người khác nhau. Đây là một trọng tâm quan trọng trong chính sách y tế công cộng của Vương quốc Anh và xuất hiện trong AKT trong bối cảnh dịch tễ học và các yếu tố xã hội quyết định sức khỏe.

Định nghĩa

Bất bình đẳng về sức khỏe là Sự khác biệt không công bằng, có thể tránh được về tình trạng sức khỏe hoặc về sự phân bố các yếu tố quyết định sức khỏe giữa các nhóm dân cư khác nhau.Chúng được gọi là "có thể tránh được" vì chúng bắt nguồn từ các điều kiện xã hội, kinh tế hoặc môi trường mà về nguyên tắc có thể thay đổi được — chứ không phải do ngẫu nhiên hay biến dị sinh học.

Kiểu	Ví dụ tại Vương quốc Anh
Kinh tế xã hội	Tuổi thọ thấp hơn ở các khu vực nghèo khó; tỷ lệ mắc bệnh tim mạch, tiểu đường và bệnh tâm thần cao hơn ở các cộng đồng nghèo.
Địa lý	"Sự phân hóa Bắc-Nam" — kết quả sức khỏe kém hơn ở một số vùng phía Bắc nước Anh so với phía Nam.
Dân tộc	Tỷ lệ mắc bệnh tiểu đường loại 2 cao hơn ở các cộng đồng người Nam Á; nguy cơ mắc bệnh tim mạch cao hơn ở các cộng đồng người da đen.
Giới tính	Nam giới có tuổi thọ thấp hơn nhưng phụ nữ lại có nhiều năm ốm đau hơn (tỷ lệ mắc bệnh).

Trong AKT, bất bình đẳng về sức khỏe thường xuất hiện dưới dạng các câu hỏi về các yếu tố xã hội quyết định sức khỏe hoặc về việc diễn giải dữ liệu dân số cho thấy sự khác biệt giữa các nhóm. Công cụ chính: Đánh giá về Marmot (Xã hội công bằng, cuộc sống khỏe mạnh) và khái niệm về chủ nghĩa phổ quát tương xứng — Các dịch vụ phổ cập được cung cấp với cường độ cao hơn cho những người có nhu cầu lớn hơn.

Phân bố dữ liệu và ý nghĩa thống kê

Biện pháp của xu hướng trung ương

Đo	Định nghĩa	Sử dụng tốt nhất khi	Coi chừng
Nghĩa là	Tổng của tất cả các giá trị ÷ số lượng giá trị	Dữ liệu được phân phối chuẩn	Dễ bị sai lệch do các giá trị ngoại lệ.
trung tuyến	Giá trị trung bình khi được sắp xếp theo thứ tự. Nếu có một số chẵn Trong các giá trị, trung vị là trung bình cộng của hai số ở giữa.	Dữ liệu bị sai lệch (ví dụ: thu nhập, thời gian nằm viện)	Bỏ qua các giá trị thực tế ở các điểm cực trị.
Chế độ	Giá trị xuất hiện thường xuyên nhất	Dữ liệu phân loại; phân bố hai đỉnh	Có thể trở nên vô nghĩa với dữ liệu liên tục.
Phạm vi	Giá trị lớn nhất - Giá trị nhỏ nhất	Nhanh chóng nắm bắt được sự lây lan	Hoàn toàn phụ thuộc vào các giá trị ngoại lệ
IQR (Phạm vi tứ phân vị)	Phân vị thứ 75 − phân vị thứ 25	Kết hợp với giá trị trung vị cho dữ liệu bị lệch	Bỏ qua 25% trên và 25% dưới
Độ lệch chuẩn (SD)	Độ lệch trung bình so với giá trị trung bình	Dữ liệu phân phối bình thường	Thông tin sai lệch nếu dữ liệu không phân bố chuẩn.

🗂️ Các loại dữ liệu — Định danh, Thứ tự, Khoảng, Tỷ lệ

Hiểu những gì kiểu Loại dữ liệu bạn có sẽ quyết định thống kê tóm tắt nào và các kiểm định thống kê nào là phù hợp. AKT kiểm tra điều này — thường bằng cách đưa ra một tập dữ liệu và hỏi nên sử dụng kiểm định hoặc thước đo nào.

Kiểu	Định nghĩa	Các ví dụ	Sự giống nhau
Hư danh	Các danh mục không có trật tự tự nhiên	Nhóm máu (A, B, AB, O); giới tính; màu mắt; nguyên nhân tử vong	Một đĩa trái cây — táo và chuối chỉ khác nhau thôi, không có loại nào "nhiều hơn" loại nào cả.
Bình thường	Các danh mục được sắp xếp theo thứ tự, nhưng khoảng cách giữa chúng là... không nhất thiết phải bằng nhau	Phân loại suy tim NYHA (I–IV); thang đo mức độ đau (nhẹ/vừa/nặng); thang đo Likert	Thứ tự xuất phát — hạng 1, 2, 3. Chúng ta biết thứ tự, nhưng khoảng cách giữa vị trí thứ nhất và thứ hai có thể rất khác so với khoảng cách giữa vị trí thứ hai và thứ ba.
Khoảng thời gian	Sắp xếp với khoảng cách bằng nhau giữa các giá trị, nhưng không có số không thực sự	Nhiệt độ (°C); ngày tháng; điểm IQ	Nhiệt kế — 0°C không có nghĩa là "không có nhiệt độ". Bạn không thể nói 20°C "ấm gấp đôi" 10°C theo bất kỳ nghĩa tuyệt đối nào.
Tỷ lệ	Được sắp xếp theo thứ tự, khoảng cách đều nhau, VÀ một độ không tuyệt đối thực sự	Chiều cao, cân nặng, huyết áp, tuổi tác, thu nhập, liều lượng thuốc	Tiền — 0 bảng Anh nghĩa là bạn thực sự không có gì. 40 bảng Anh gấp đôi 20 bảng Anh.

💡 Tại sao điều này lại quan trọng đối với AKT

Dữ liệu định danh/thứ tự → Sử dụng các kiểm định phi tham số, giá trị mode hoặc median để tính trung bình
Dữ liệu khoảng/tỷ lệ (phân bố chuẩn) → có thể sử dụng trung bình, độ lệch chuẩn, kiểm định tham số
Bạn không thể tính toán giá trị trung bình một cách có ý nghĩa. Đối với dữ liệu định danh (ví dụ: "nhóm máu trung bình" là vô nghĩa) hoặc đưa ra các nhận định tỷ lệ với dữ liệu khoảng (bạn không thể nói rằng người có chỉ số IQ 120 "thông minh gấp đôi" người có chỉ số IQ 60).

🔬 So sánh kiểm định tham số và kiểm định phi tham số

Các bài kiểm định thống kê được chia thành hai nhóm tùy thuộc vào các giả định mà chúng đưa ra về dữ liệu của bạn. Bài kiểm tra AKT sẽ kiểm tra loại kiểm định nào phù hợp với từng trường hợp cụ thể — bạn không cần phải thực hiện các phép tính, chỉ cần biết khi nào nên sử dụng loại nào.

Sự khác biệt cốt lõi

Kiểm tra tham số Giả sử dữ liệu tuân theo phân phối chuẩn (hoặc mẫu đủ lớn để điều này không ảnh hưởng nhiều) và dữ liệu ít nhất là ở mức độ khoảng. Kiểm tra phi tham số Không nên đưa ra những giả định như vậy — chúng hoạt động với thứ hạng hoặc danh mục và phù hợp với dữ liệu bị lệch, mẫu nhỏ hoặc dữ liệu thứ tự/danh nghĩa.

Các phép thử tham số giống như một công thức chỉ hoạt động khi lò nướng của bạn đạt đúng nhiệt độ. Các phép thử phi tham số thì dễ thực hiện hơn — chúng vẫn hoạt động ngay cả khi lò nướng hơi nóng hoặc hơi nguội.

Mục đích	Kiểm tra tham số	Tương đương phi tham số
So sánh giá trị trung bình của 2 nhóm độc lập.	Kiểm tra t độc lập	Phép thử Mann-Whitney U
So sánh nghĩa là: cùng một nhóm, tại 2 thời điểm khác nhau.	Kiểm tra	Bài kiểm tra xếp hạng có chữ ký của Wilcoxon
So sánh giá trị trung bình của 3 nhóm trở lên.	ANOVA (Phân tích phương sai)	Kiểm định Kruskal-Wallis
Mối tương quan giữa hai biến liên tục	Tương quan Pearson	Tương quan xếp hạng Spearman
So sánh tỷ lệ / dữ liệu phân loại	-	Kiểm định chi bình phương (χ²)

⚠️ Quy tắc quyết định của AKT

Dữ liệu là xiên or không được phân phối bình thường → sử dụng phi tham số
Cỡ mẫu nhỏ (và tính chuẩn không chắc chắn) → sử dụng phương pháp phi tham số
Dữ liệu là thứ tự (ví dụ: thang điểm đau, thang Likert) → sử dụng phương pháp phi tham số
So sánh tỷ lệ hoặc danh mục → kiểm định chi bình phương
Mẫu lớn, liên tục, phân phối xấp xỉ chuẩn → kiểm định tham số là phù hợp.

🔔 Phân phối chuẩn — Quy tắc 68-95-99.7

Phân phối chuẩn là một đường cong hình chuông đối xứng. Giá trị trung bình, trung vị và mode đều bằng nhau và nằm ở tâm.

Phạm vi	% Giá trị được bao gồm
Trung bình ± 1 độ lệch chuẩn	68%
Trung bình ± 2 độ lệch chuẩn	95%
Trung bình ± 3 độ lệch chuẩn	99.7%

Ứng dụng AKT: Phạm vi tham chiếu cho các xét nghiệm máu thường được xác định là trung bình ± 2 độ lệch chuẩn — nghĩa là 5% người khỏe mạnh bình thường sẽ nằm "ngoài phạm vi bình thường". Đó là lý do tại sao kết quả bất thường nhẹ ở bệnh nhân không có triệu chứng thường không cần điều trị.

⚠️ Dữ liệu bị sai lệch

Với dữ liệu phân bố lệch dương (ví dụ: thu nhập, thời gian chờ khám bác sĩ đa khoa, nồng độ bilirubin huyết thanh trong một khoa), giá trị trung bình bị kéo về bên phải bởi một vài giá trị ngoại lệ cao. Trong trường hợp này, hãy sử dụng trung vị — nó thể hiện giá trị điển hình tốt hơn. AKT rất thích kiểm tra sự khác biệt này.

📉 Giá trị P và khoảng tin cậy — Ý nghĩa thực sự của chúng

Giá trị P

Giá trị p là xác suất quan sát được kết quả ít nhất cũng cực đoan như những kết quả đã thấy. nếu giả thuyết vô hiệu là đúng (tức là nếu không có tác dụng thực sự). Đó là không xác suất để giả thuyết không là đúng.

giá trị p	Sự giải thích
p <0.05	Có ý nghĩa thống kê — xác suất kết quả này xảy ra do ngẫu nhiên dưới 5%.
p> 0.05	Không có ý nghĩa thống kê — kết quả có thể là do ngẫu nhiên.
p = 0.01	Xác suất nhận được kết quả này là 1% nếu không có tác động thực sự nào.

Khoảng tin cậy (CI)

Khoảng tin cậy 95% có nghĩa là: nếu bạn lặp lại nghiên cứu 100 lần, thì trong 95 lần giá trị thực của quần thể sẽ nằm trong khoảng này.

Chỉ số CI giống như dự báo thời tiết nói rằng "dự kiến nhiệt độ ngày mai sẽ nằm trong khoảng từ 14°C đến 22°C". Điều đó không có nghĩa là nhiệt độ chắc chắn sẽ nằm trong khoảng đó — nhưng bạn tự tin đến 95% là nó sẽ như vậy.

🔴 Quy tắc được kiểm chứng nhiều nhất — Khoảng tin cậy (CI) có vượt qua con số kỳ diệu không?

Đối với một tỉ lệ (RR, OR, HR): nếu khoảng tin cậy 95% bao gồm 1.0 → không có ý nghĩa thống kê
Đối với một sự khác biệt (sự khác biệt trung bình, ARR): nếu khoảng tin cậy 95% bao gồm 0 → không có ý nghĩa thống kê
Nếu khoảng tin cậy (CI) hoàn toàn lớn hơn 1 (đối với tỷ lệ) → nguy cơ tăng lên đáng kể
Nếu khoảng tin cậy (CI) hoàn toàn nhỏ hơn 1 (đối với tỷ lệ) → nguy cơ giảm đáng kể

❌ Lỗi loại I & loại II — Kêu gọi sự giúp đỡ giả tạo so với việc bỏ lỡ cơ hội

Lỗi loại I (α — Alpha)

Bác bỏ giả thuyết không khi nó thực sự đúng. Nói cách khác: kết luận rằng một phương pháp điều trị có hiệu quả trong khi thực tế thì không. Tỷ lệ dương tính giả. Theo quy ước, mức chấp nhận được là 5% (α = 0.05, p < 0.05).

"Kêu gọi báo động giả" - báo động khi không có con sói nào cả.

Lỗi loại II (β — Beta)

Không bác bỏ giả thuyết null khi nó thực sự sai. Nói cách khác: bỏ sót một hiệu quả điều trị thực sự. Tỷ lệ âm tính giả. Theo quy ước, mức chấp nhận được là 20% (β = 0.2, độ mạnh thống kê = 80%).

"Không thấy sói" — nói rằng không có sói khi thực tế có một con.

Sức mạnh thống kê

Độ mạnh thống kê (Power) = 1 − β. Đây là xác suất phát hiện chính xác một hiệu ứng thực sự. Độ mạnh thống kê càng cao thì khả năng bỏ sót hiệu ứng thực sự càng thấp. Độ mạnh thống kê tăng lên khi kích thước mẫu càng lớn. Một thử nghiệm được thiết kế tốt cần có độ mạnh thống kê ≥80%.

⚡ Ý nghĩa thống kê ≠ Tầm quan trọng lâm sàng

Đây là một trong những chi tiết quan trọng và được kiểm chứng nhiều nhất trong thống kê AKT — và là điều mà nhiều học viên thường bỏ qua.

🔴 Quy tắc cốt lõi

Kết quả có thể là ý nghĩa thống kê (p < 0.05) trong khi không có ý nghĩa lâm sàngÝ nghĩa thống kê chỉ cho bạn biết rằng kết quả đó khó có thể là do ngẫu nhiên — nó nói rằng không Về việc liệu tác động đó có đủ lớn để tạo ra sự khác biệt trong thực tế hay không.

Một thử nghiệm trên 50,000 bệnh nhân cho thấy một loại thuốc hạ huyết áp mới làm giảm huyết áp tâm thu 1 mmHg. p = 0.001. Kết quả này rất có ý nghĩa thống kê — nhưng liệu bạn có thay đổi cách kê đơn của mình chỉ vì mức giảm 1 mmHg? Câu trả lời là không. Giá trị p nhỏ là do cỡ mẫu lớn, chứ không phải vì hiệu quả thực sự quan trọng.

Kịch bản	Có ý nghĩa thống kê không?	Có ý nghĩa quan trọng về mặt lâm sàng?
Huyết áp giảm 1 mmHg, n=50,000, p=0.001	Có	Không
Huyết áp giảm 15 mmHg, n=30, p=0.08	Không	Chắc là đúng
Huyết áp giảm 12 mmHg, n=500, p=0.02	Có	Có

💡 Nên dùng gì thay thế?

Luôn luôn nhìn vào độ hiệu quả (ARR, NNT, sự khác biệt trung bình) cùng với giá trị p và khoảng tin cậy. Khoảng tin cậy hẹp loại trừ số 0 hoặc 1 có ý nghĩa hơn so với chỉ riêng giá trị p — nó cho bạn biết cả hướng và độ chính xác của hiệu ứng.

📏 Độ rộng khoảng tin cậy — Độ chính xác trong nháy mắt

CI hẹp → ước tính chính xác → độ tin cậy cao: giá trị thực gần với giá trị ước tính (thường từ một mẫu lớn)
CI rộng → ước tính không chắc chắn → giá trị thực có thể nằm trong một phạm vi rộng (thường từ một mẫu nhỏ hoặc không đồng nhất)

Ví dụ: RR = 1.5 (khoảng tin cậy 95% 1.4–1.6) → chính xác, đáng tin cậy. RR = 1.5 (khoảng tin cậy 95% 0.6–3.8) → rộng, không chắc chắn — và vượt qua 1.0 nên thậm chí không có ý nghĩa thống kê.

📈 Hiện tượng hồi quy về giá trị trung bình — Yếu tố gây nhiễu tiềm ẩn trong thực tiễn lâm sàng

Hiện tượng hồi quy về giá trị trung bình là xu hướng thống kê cho thấy một giá trị đo cực đoan sẽ gần với giá trị trung bình hơn trong lần đo thứ hai. bất kể sự can thiệp nàoĐây là một trong những nguồn gây ra kết luận sai lệch ít được nhận biết nhất trong y học.

🔴 Tại sao điều này lại quan trọng về mặt lâm sàng

Bệnh nhân thường được thăm khám hoặc điều trị chính xác khi các triệu chứng hoặc chỉ số của họ ở mức tồi tệ nhất. Sự biến đổi tự nhiên có nghĩa là các chỉ số đó có khả năng sẽ cải thiện khi kiểm tra lại — không nhất thiết là do sự can thiệp của bạn. Nếu không có nhóm đối chứng, không thể phân biệt được sự hồi quy về giá trị trung bình với hiệu quả điều trị thực sự.

Kịch bản	Những dấu hiệu nhận biết của hiệu quả điều trị	Điều gì thực sự có thể đang xảy ra?
Bệnh nhân có huyết áp rất cao trong một lần đo → bắt đầu dùng thuốc → huyết áp thấp hơn ở lần khám tiếp theo.	Thuốc đang có tác dụng.	Lần đo đầu tiên có thể là một giá trị ngoại lệ; huyết áp dù sao cũng sẽ thấp hơn trong lần đo lại.
Học sinh đạt điểm rất thấp trong bài kiểm tra → được học thêm → đạt điểm tốt hơn vào lần sau.	Học phí đã giúp đỡ	Điểm số thấp đó có thể không phản ánh đúng thực lực; khả năng thực tế thường hướng đến mức trung bình.
Bệnh nhân bị bùng phát bệnh chàm nặng bắt đầu dùng kem mới → tình trạng bùng phát thuyên giảm.	Kem có tác dụng	Các đợt bùng phát nặng sẽ tự cải thiện theo thời gian bất kể phương pháp điều trị nào.

Hãy tưởng tượng bạn chỉ đo chiều cao của một người khi họ đứng trên một chiếc hộp. Họ trông rất cao. Lần tiếp theo bạn đo chiều cao của họ trong điều kiện bình thường — họ dường như "lùn đi". Số đo đã thay đổi; nhưng người đó thì không. Đó chính là hiện tượng hồi quy về giá trị trung bình.

💡 Cách phòng tránh

Hãy nhiều phép đo cơ sở và sử dụng giá trị trung bình trước khi bắt đầu điều trị.
Sử dụng nhóm kiểm soát — Hiện tượng hồi quy về giá trị trung bình ảnh hưởng đến cả hai nhóm như nhau, vì vậy bất kỳ sự khác biệt nào giữa các nhóm nhiều khả năng là do tác dụng thực sự của phương pháp điều trị.
Đây là một trong những lập luận mạnh mẽ nhất cho Các thử nghiệm lâm sàng ngẫu nhiên (RCT) vượt trội hơn so với các nghiên cứu trước và sau can thiệp không có nhóm đối chứng.

Biểu đồ thống kê — Những điều cần lưu ý

AKT thường xuyên trình bày các biểu đồ và yêu cầu bạn giải thích chúng. Hãy học cách nhận ra đặc điểm chính trong mỗi loại biểu đồ — đừng cố gắng đọc mọi thứ. Chỉ cần một quan sát có trọng tâm là đủ.

Loại đồ thị	Cách dùng thông thường	Điều duy nhất cần tìm kiếm
Lô rừng	Kết quả phân tích tổng hợp	Liệu các kim cương Vượt qua đường thẳng đứng không có tác dụng?
Sơ đồ kênh	Phát hiện thiên lệch xuất bản / Giám sát dữ liệu ngoại lệ của bác sĩ đa khoa	Cốt truyện không đối xứng? (Khoảng trống = thiếu các nghiên cứu chưa được công bố)
Lô đất Cates	Truyền đạt NNT bằng hình ảnh cho bệnh nhân	Đếm số mặt "có lợi" được tô màu; NNT = 100 ÷ số mặt đó
Cốt truyện L'Abbé	Khám phá tính không đồng nhất trong các phân tích tổng hợp	Chấm trên đường chéo = không có tác dụng điều trị
Sơ đồ hộp và râu	Phân phối và lan truyền dữ liệu	Đường giữa = trung vị (không phải giá trị trung bình); các chấm nằm ngoài vùng râu = giá trị ngoại lệ
Biểu đồ Fagan	Xác suất trước kiểm tra → xác suất sau kiểm tra	Nối điểm xác suất trước thử nghiệm với điểm LR để đọc điểm xác suất sau thử nghiệm.
Lô thân và lá	Phân phối — bảo toàn giá trị gốc	Giống như biểu đồ cột nhưng hiển thị các điểm dữ liệu riêng lẻ.
Đường cong Kaplan-Meier	Phân tích khả năng sống sót — thời gian xảy ra sự kiện	Số bước giảm xuống khi các sự kiện xảy ra; các đường cong phân kỳ sớm và giữ nguyên khoảng cách cho thấy hiệu quả điều trị bền vững.
Histogram	Phân phối dữ liệu liên tục	Hình dạng của đường cong: đối xứng = phân phối chuẩn; lệch = sử dụng trung vị thay vì trung bình cộng.

🌲 Chi tiết về các lô đất rừng

Cách đọc sơ đồ rừng

Mỗi hình vuông = một nghiên cứu. Kích thước của hình vuông = trọng số của nghiên cứu (thường phụ thuộc vào kích thước mẫu)
Đường ngang = Khoảng tin cậy 95% cho nghiên cứu đó
Kim cương Phần dưới cùng là ước tính tổng hợp. Độ rộng của nó là khoảng tin cậy 95% tổng hợp.
Đường thẳng đứng ở vị trí 1.0 = "đường không ảnh hưởng" (đối với tỷ lệ). Nếu là đường CI hoặc hình thoi vượt qua ranh giới nàyKết quả đó là không có ý nghĩa thống kê

Tính không đồng nhất — Chỉ số I²

I² đo lường mức độ biến thiên giữa các nghiên cứu là do sự khác biệt thực sự (sự khác biệt có thật) chứ không phải do ngẫu nhiên.
I² < 25% = độ không đồng nhất thấp ✓
I² = 25–50% = tính không đồng nhất vừa phải
Tôi² > 50% = sự không đồng nhất đáng kể — kết quả tổng hợp kém tin cậy hơn ⚠️

Hãy coi viên kim cương như phán quyết cuối cùng của bồi thẩm đoàn. Nếu viên kim cương vượt qua "đường thẳng không có hiệu quả", bồi thẩm đoàn sẽ bế tắc - không có kết luận dứt khoát. Chỉ số I² cho bạn biết liệu các thành viên bồi thẩm đoàn có đồng ý với cùng một vụ án hay không.

📯 Biểu đồ phễu — Giám sát thiên lệch xuất bản và các giá trị ngoại lệ của GP

Biểu đồ hình phễu xuất hiện trong hai ngữ cảnh hoàn toàn khác nhau trong AKT — hãy chắc chắn rằng bạn nhận biết được cả hai.

Trong phân tích tổng hợp (Thiên lệch xuất bản)

Biểu đồ thể hiện kích thước hiệu ứng (trục x) so với độ chính xác hoặc quy mô nghiên cứu (trục y). Hình phễu ngược đối xứng = không có sai lệch. Hình phễu không đối xứng có khoảng trống ở phía dưới bên trái = bỏ sót các nghiên cứu nhỏ có kết quả âm tính → sai lệch do công bố.

Trong thực tiễn giám sát hiệu suất

So sánh các phòng khám bác sĩ đa khoa dựa trên các chỉ số (ví dụ: tỷ lệ chuyển tuyến, tỷ lệ tử vong). Các điểm dữ liệu nằm ngoài đường phễu là... các ngoại lệ thống kê Cần điều tra thêm — không nhất thiết là bằng chứng về hiệu suất kém.

😊 Biểu đồ Cates — Cách trích xuất NNT trực quan

Biểu đồ Cates (đôi khi được gọi là "biểu đồ mặt cười") sử dụng một lưới gồm 100 khuôn mặt để giúp bệnh nhân hình dung được lợi ích và tác hại tuyệt đối.

Mỗi trong số 100 khuôn mặt đại diện cho một người trong số 100 người được điều trị.
Mặt vàng/xanh lá cây = những người được hưởng lợi (các sự kiện được ngăn chặn)
Mặt đỏ = những người đã trải qua tổn hại
Mặt xám/trơn = không có tác dụng gì cả

NNT từ Cates Plot

NNT = 100 ÷ số lượng mặt lợi ích

Ví dụ: 4 khuôn mặt màu vàng → NNT = 100 ÷ 4 = 25

📉 Đường cong sống sót Kaplan-Meier — Cách đọc chúng

Đường cong Kaplan-Meier (KM) thể hiện xác suất sống sót (hoặc không gặp biến cố) theo thời gian. Chúng xuất hiện trong các câu hỏi AKT về thử nghiệm ung thư, nghiên cứu tim mạch và bất kỳ nghiên cứu nào theo dõi thời gian dẫn đến một biến cố.

Tính năng	Nó có nghĩa là gì
Trục Y	Xác suất sống sót (hoặc sống sót không xảy ra biến cố) — bắt đầu từ 1.0 (100%) và giảm dần theo thời gian.
Trục X	Thời gian (ngày, tháng, năm)
Mỗi bước đi xuống	Một sự kiện đã xảy ra (ví dụ: tử vong, tái phát bệnh). Các bước càng lớn = càng nhiều sự kiện xảy ra tại điểm đó.
Vạch đánh dấu trên đường thẳng	Bệnh nhân bị loại khỏi nghiên cứu — những người không tiếp tục tham gia nghiên cứu hoặc nghiên cứu kết thúc. Không phải là các sự kiện.
Hai đường cong tách nhau sớm và giữ nguyên vị trí.	Điều này cho thấy hiệu quả điều trị được duy trì trong suốt quá trình theo dõi.
Đường cong giao nhau	Điều này cho thấy nguy cơ không tỷ lệ thuận theo thời gian — làm phức tạp thêm việc giải thích.
Thời gian sống sót trung bình	Thời điểm đường cong tỷ lệ sống sót vượt qua mốc 50% — tức là thời điểm một nửa số bệnh nhân đã trải qua biến cố.

Liên kết đến Tỷ lệ nguy hiểm

kiểm tra thứ hạng log So sánh hai đường cong KM về mặt thống kê. tỷ lệ nguy hiểm (HR) Tóm tắt sự khác biệt tổng thể giữa các đường cong. HR < 1 = nhóm điều trị có ít biến cố hơn theo thời gian. Nếu các đường cong chồng chéo đáng kể, HR sẽ gần bằng 1 (không có lợi ích).

Hãy hình dung đường cong KM như một cầu thang đi xuống. Mỗi bậc thang đi xuống tượng trưng cho một người trải qua sự kiện đó. Một phương pháp điều trị hiệu quả sẽ giúp người bệnh ở lại các bậc thang cao hơn lâu hơn — cầu thang của nhóm được điều trị sẽ đi xuống chậm hơn.

📊 Biểu đồ tần số — Tổng quan về phân bố

Biểu đồ tần số (histogram) thể hiện sự phân bố của một biến liên tục (ví dụ: tuổi, huyết áp, chỉ số BMI) bằng cách nhóm các giá trị thành các khoảng (bin) và cho thấy có bao nhiêu quan sát nằm trong mỗi khoảng. Không giống như biểu đồ cột, các cột chạm vào nhau — vì dữ liệu là liên tục.

Hình dạng	Ý nghĩa	Nên dùng trung bình cộng hay trung vị?
Hình chuông đối xứng	Phân phối chuẩn — trung bình, trung vị, mode đều bằng nhau	Hoặc cả hai cách đều được — nhưng theo quy ước thì giá trị trung bình là ± độ lệch chuẩn.
Lệch phải (dương)	Đuôi dài về bên phải — một vài giá trị rất cao kéo giá trị trung bình lên.	Trung vị (mang tính đại diện hơn)
Độ lệch trái (âm)	Đuôi dài về bên trái — một vài giá trị rất thấp kéo giá trị trung bình xuống.	Trung vị (mang tính đại diện hơn)
Hai đỉnh (hai đỉnh)	Hai nhóm nhỏ riêng biệt trong dữ liệu	Báo cáo riêng từng đỉnh.

Mẹo của AKT: nếu biểu đồ tần số cho thấy độ lệch dương, thì thước đo xu hướng trung tâm chính xác cần trích dẫn là... trung vịNếu nó thể hiện sự phân bố chuẩn, thì nghĩa là là thích hợp.

Cải tiến chất lượng và kiểm toán lâm sàng

Công cụ	Mục đích	Các tính năng chính
Kiểm tra lâm sàng	Đánh giá thực tiễn dựa trên các tiêu chuẩn rõ ràng; xác định và khắc phục các thiếu sót.	Cần có một tiêu chuẩn xác định. Sử dụng chu trình PDSA. Bao gồm việc hoàn thiện quy trình (kiểm toán lại). Không Nghiên cứu — không có giả thuyết, không tạo ra kiến thức mới.
Phân tích sự kiện quan trọng (SEA)	Đánh giá đa ngành có hệ thống về một sự kiện quan trọng duy nhất	Không đổ lỗi. Tập trung vào việc học hỏi từ hệ thống, không phải lỗi cá nhân. Chia sẻ trong nhóm. Ghi lại quá trình học hỏi và hành động.
Phân tích nguyên nhân gốc rễ (RCA)	Điều tra chuyên sâu các vụ việc nghiêm trọng.	Có cấu trúc chặt chẽ hơn SEA. Sử dụng kỹ thuật "5 câu hỏi tại sao". Xác định các nguyên nhân góp phần và nguyên nhân gốc rễ. Thường được sử dụng cho các sự cố nghiêm trọng hoặc thiệt hại lớn.
Báo cáo ngoại lệ QOF	Loại trừ bệnh nhân một cách thích hợp khỏi các chỉ số QOF	Thích hợp về mặt lâm sàng trong các trường hợp: liệu pháp tối đa có thể dung nạp, bệnh nhân từ chối điều trị sau khi được thông báo đầy đủ, tình trạng suy nhược nghiêm trọng hoặc chống chỉ định lâm sàng.

🔄 Kiểm toán lâm sàng so với nghiên cứu — Những điểm khác biệt chính

Tính năng	Kiểm tra lâm sàng	Nghiên cứu
Mục đích	Nâng cao chất lượng chăm sóc bằng cách so sánh với các tiêu chuẩn.	Tạo ra kiến thức mới
Giả thuyết	Không có gì — so sánh với tiêu chuẩn hiện hành	Luôn có một giả thuyết
Phê duyệt đạo đức	Thông thường không cần thiết	Thường được yêu cầu
Sự đồng ý	Thông thường không cần thiết	Thường được yêu cầu
Phân loại ngẫu nhiên	Không bao giờ	Có thể bao gồm các thử nghiệm lâm sàng ngẫu nhiên (RCT).
Kết quả cuối cùng	Cải thiện dịch vụ; kế hoạch hành động	Bằng chứng mới; công bố

Bẫy AKT: "Một bác sĩ đa khoa muốn điều tra xem liệu một loại kháng sinh mới có đạt được tỷ lệ chữa khỏi tốt hơn so với phương pháp điều trị tiêu chuẩn trong phòng khám của mình hay không." → Đây là nghiên cứu (tạo ra kiến thức mới, có giả thuyết, cần có đạo đức). "Một bác sĩ đa khoa đo lường xem tỷ lệ tái khám hen suyễn tại phòng khám của mình có đạt tiêu chuẩn 80% của NICE hay không." → Đây là kiểm toán.

🔁 Chu trình PDSA

Chu trình Lập kế hoạch-Thực hiện-Nghiên cứu-Hành động (PDSA) là khuôn khổ cải tiến liên tục được sử dụng trong kiểm toán lâm sàng và cải thiện chất lượng.

Traineeship	Điều gì xảy ra
Kế hoạch	Xác định câu hỏi, thiết lập tiêu chuẩn, lập kế hoạch thu thập dữ liệu.
Do	Thực hiện thay đổi hoặc đánh giá tình hình hiện tại.
Học tập	Phân tích kết quả; so sánh với tiêu chuẩn; xác định những thiếu sót.
Hành động	Thực hiện các cải tiến; lập kế hoạch kiểm toán lại để hoàn thiện quy trình.

Tính toán lâm sàng (Ngân hàng công thức AKT)

Các công thức này thường xuất hiện trong các câu hỏi tính toán AKT. Hãy học thuộc từng công thức và nắm rõ các ngưỡng lâm sàng kích hoạt hành động.

Chỉ số khối cơ thể (BMI)

Cân nặng (kg) ÷ Chiều cao² (m²)

Thiếu cân <18.5 | Cân nặng bình thường 18.5–24.9 | Thừa cân 25–29.9 | Béo phì ≥30 | Béo phì bệnh lý ≥40

Chỉ số huyết áp mắt cá chân-cánh tay (ABPI)

Huyết áp tâm thu cao nhất ở mắt cá chân ÷ Huyết áp tâm thu cao nhất ở cánh tay

Bình thường: 1.0–1.3 | PAD: <0.9 | PAD nặng: <0.5 | Không thể nén (vôi hóa): >1.3

Đơn vị cồn

(Thể tích (ml) × Nồng độ cồn (%) ÷ 1000

Ví dụ: 750ml × 12% ÷ 1000 = 9 đơn vị. Nguy cơ thấp: ≤14 đơn vị/tuần cho cả nam và nữ. Không có mức độ an toàn nào trong thai kỳ.

Cholesterol không HDL

Tổng cholesterol − Cholesterol HDL

Mục tiêu: <2.5 mmol/L ở những người đang điều trị bằng statin (hướng dẫn của NICE). Bao gồm tất cả các lipoprotein gây xơ vữa động mạch.

Thể tích liều thuốc dành cho trẻ em

(Liều lượng mong muốn ÷ Nồng độ có sẵn) × Thể tích

Ví dụ: Trẻ cần 250mg, dung dịch uống là 125mg/5ml: (250 ÷ 125) × 5ml = 10ml

Tỷ lệ giảm cân (Trẻ sơ sinh)

[(Cân nặng lúc sinh − Cân nặng hiện tại) ÷ Cân nặng lúc sinh] × 100

Nếu lượng mỡ giảm hơn 10% trong 5 ngày đầu tiên cần được xem xét lại. Giảm đến 10% là bình thường; lượng mỡ sẽ phục hồi vào ngày thứ 10-14.

Cockcroft-Gault (CrCl)

[(140−Tuổi) × Cân nặng (kg)] ÷ Creatinine (µmol/L) × K

K = 1.23 (nam), 1.04 (nữ). Ước tính độ thanh thải creatinine — được sử dụng để điều chỉnh liều thuốc ở bệnh nhân suy thận.

🧮 Ví dụ minh họa về ABPI

🎯 Tình huống: Bà T, 72 tuổi, bị đau chân khi đi bộ

1 Huyết áp mắt cá chân (cao nhất trong DP/PT): 90 mmHg | Huyết áp cánh tay (cao nhất ở cánh tay): 130 mmHg

2 ABPI = 90 ÷ 130 = 0.69

3 ABPI 0.69 = Bệnh động mạch ngoại biên đã được xác nhận. (ngưỡng cắt <0.9)

4 Băng ép là CHỐNG CHỈ ĐỊNH — đề cập đến phẫu thuật mạch máu

🍷 Ví dụ minh họa về đơn vị rượu

Đồ Uống	Thể tích (ml)	ABV%	Tính toán	Các đơn vị
Ly rượu vang lớn	250ml	13%	250 × 13 ÷ 1000	3.25
Chai rượu	750ml	12%	750 × 12 ÷ 1000	9.0
Một pint bia lager (mạnh)	568ml	5%	568 × 5 ÷ 1000	2.84
Đơn vị đo lường rượu	25ml	40%	25 × 40 ÷ 1000	1.0

Hướng dẫn cho nhóm nguy cơ thấp: ≤14 đơn vị/tuần (nam và nữ), trải đều trong 3 ngày trở lên, với 2-3 ngày không uống rượu mỗi tuần. Đây là những gì bạn sẽ thảo luận trong buổi tư vấn về việc giảm lượng rượu tiêu thụ.

🧮

Ví dụ đã làm việc

🎯 Ví dụ 1: Tính toán tất cả các chỉ số rủi ro từ bảng thử nghiệm

Một thử nghiệm lâm sàng ngẫu nhiên (RCT) phân ngẫu nhiên bệnh nhân vào hai nhóm: nhóm dùng thuốc X và nhóm dùng giả dược. Sau 3 năm: 80 trong số 500 bệnh nhân dùng giả dược bị đột quỵ; 40 trong số 500 bệnh nhân dùng thuốc X bị đột quỵ.

1CER = 80/500 = 0.16 (16%) EER = 40/500 = 0.08 (8%)

2ARR = 0.16 − 0.08 = 0.08 (8%)

3NNT = 1 ÷ 0.08 = 12.5 → làm tròn lên thành 13

4Rrr = 0.08 ÷ 0.16 = 0.5 = 50%

5RR = 0.08 ÷ 0.16 = 0.5 (Thuốc X làm giảm một nửa nguy cơ đột quỵ)

🎯 Ví dụ 2: Xây dựng bảng 2×2 và tính toán độ nhạy & độ đặc hiệu

Một xét nghiệm mới được áp dụng cho 200 bệnh nhân, trong đó 100 người mắc bệnh. Xét nghiệm này xác định chính xác 85 trong số 100 người mắc bệnh và xác định chính xác 80 trong số 100 người không mắc bệnh.

1TP = 85 | FN = 15 | TN = 80 | FP = 20

2Độ nhạy = TP ÷ (TP+FN) = 85 ÷ (85+15) = 85/100 = 85%

3Tính đặc hiệu = TN `(TN+FP) = 80 `(80+20) = 80/100 = 80%

4PPV = TP ÷ (TP+FP) = 85 ÷ (85+20) = 85/105 = 81%

5NPV = TN `(TN+FN) = 80 `(80+15) = 80/95 = 84%

🎯 Ví dụ 3: Tính toán liều dùng cho trẻ em

Một trẻ cần 300mg amoxicillin. Thuốc dạng hỗn dịch có sẵn là 250mg/5ml. Cần truyền bao nhiêu thể tích?

1Công thức: (Liều lượng mong muốn ÷ Nồng độ thuốc hiện có) × Thể tích

2(300 ÷ 250) × 5 = 1.2 × 5 = 6ml

📋

Bảng tóm tắt công thức và các mẹo ghi nhớ

Công thức rủi ro và điều trị

ARR = CER − EER Rrr = ARR ÷ CER RR = EER ÷ CER NNT = 1 ÷ ARR NNH = 1 ÷ ARI

Kiểm tra chẩn đoán

Độ nhạy = TP ÷ (TP+FN) Tính đặc hiệu = TN ÷ (TN+FP) PPV = TP ÷ (TP+FP) NPV = TN ÷ (TN+FN)

Công thức dân số và lâm sàng

SMR = (Quan sát ÷ Dự đoán) × 100 BMI = Khối lượng (kg) ÷ Chiều cao (m) ABPI = Huyết áp tâm thu mắt cá chân ÷ Huyết áp tâm thu cánh tay CÓ CỒN = (Thể tích × Nồng độ cồn%) ÷ 1000

🧠 Các phương pháp hỗ trợ ghi nhớ hiệu quả

SnNout: Xét nghiệm nhạy cảm — Kết quả âm tính loại trừ bệnh (sàng lọc)
SpPin: Xét nghiệm chuyên biệt — Quy tắc dương tính TRONG bệnh (xác nhận)
CI vượt qua mốc 1.0 (tỷ lệ) hoặc 0 (sự khác biệt) → không đáng kể
Hình thoi trong khu rừng cắt ngang đường thẳng → không đáng kể
Sự bất đối xứng hình phễu → thiên lệch xuất bản (hoặc giá trị ngoại lệ GP nếu xét trong bối cảnh hiệu suất)
Đường giữa của biểu đồ hộp → TRUNG VỊ (không phải trung bình cộng)
68-95-99.7 → ±1SD, ±2SD, ±3SD trong phân phối chuẩn
I² >50% → sự không đồng nhất đáng kể
HOẶC từ nghiên cứu đối chứng | RR từ nhóm nghiên cứu | Tỷ lệ mắc bệnh từ dữ liệu cắt ngang
Kiểm toán ≠ Nghiên cứu (Các biện pháp kiểm toán so với tiêu chuẩn; nghiên cứu tạo ra kiến thức mới)

📊 Mẹo ghi nhớ thiết kế nghiên cứu: "Đối với các trường hợp, dùng OR — Đối với các nhóm đối chứng, dùng RR"

Trường hợp kiểm soát → HOẶC (Tỷ lệ chênh lệch) — xem xét LẠI các yếu tố ảnh hưởng
Đội quân → RR (Rủi ro tương đối) — tính từ thời điểm tiếp xúc
Mặt cắt ngang → Tỷ lệ hiện mắc — Ảnh chụp nhanh tại một thời điểm nhất định
RCT / SR → Tiêu chuẩn vàng cho các câu hỏi điều trị

🎓

Những lời khuyên và kinh nghiệm giảng dạy quý báu dành cho người huấn luyện

Những điểm mù thường gặp của học viên về chủ đề này

Các học viên thường học NNT như một công thức mà không hiểu ý nghĩa thực sự của nó trong lâm sàng — hãy đảm bảo họ có thể giải thích nó bằng một câu mà bệnh nhân có thể hiểu được.
Sự khác biệt giữa độ nhạy/độ đặc hiệu (các đặc tính của xét nghiệm) và PPV/NPV (bị ảnh hưởng bởi tỷ lệ mắc bệnh) vẫn chưa được hiểu rõ — ví dụ về xét nghiệm thai kỳ khá phù hợp.
Nhiều học viên biết khu rừng thửa trông như thế nào nhưng không thể giải thích được. gì Để quan sát — hãy tập trung vào viên kim cương và xem liệu nó có vượt qua ranh giới không ảnh hưởng hay không.
Sai lệch thời gian dẫn đầu thường bị nhầm lẫn với sai lệch độ dài — hãy sử dụng sơ đồ hoặc dòng thời gian để minh họa sự khác biệt.
Các học viên thường nhầm lẫn giữa kiểm toán lâm sàng và nghiên cứu — hãy sử dụng chính các ví dụ từ các bài đánh giá của RCGP.

Ý tưởng bài hướng dẫn & Khởi đầu thảo luận

"Đây là bảng tóm tắt kết quả thử nghiệm thuốc — anh/chị có thể cho tôi biết NNT (số bệnh nhân cần điều trị để đạt được hiệu quả) và liệu anh/chị có kê đơn thuốc này cho bệnh nhân này không?"
"Hãy nhìn vào biểu đồ khu rừng này. Biện pháp can thiệp có hiệu quả không? Bạn tự tin đến mức nào về câu trả lời đó?"
"Bệnh nhân của anh/chị có kết quả xét nghiệm FIT dương tính. Giá trị dự đoán dương tính (PPV) ở nhóm dân số có nguy cơ thấp là khoảng 3%. Anh/chị sẽ giải thích điều này cho bệnh nhân như thế nào?"
"Chúng tôi đang thấy rất nhiều kết quả PSA cao. Vậy vấn đề là gì khi sử dụng PSA như một xét nghiệm sàng lọc?"
"Một đồng nghiệp muốn so sánh kết quả điều trị nhiễm trùng huyết của chúng ta với kết quả của bệnh viện. Đó là kiểm toán hay nghiên cứu? Có cần xem xét đạo đức không?"
"Bạn sẽ giải thích như thế nào về xác suất 1/50 xảy ra tác dụng phụ cho một bệnh nhân hỏi 'Thuốc này có an toàn không?'?"

Câu hỏi suy ngẫm cho các buổi hướng dẫn

Hiện tại, bạn giải thích rủi ro cho bệnh nhân như thế nào? Bạn sử dụng số liệu tuyệt đối hay tương đối?
Bạn có nhớ hướng dẫn lâm sàng gần đây nào đề cập đến NNT (số bệnh nhân cần điều trị để đạt hiệu quả điều trị) đáng kể không? Đó là hướng dẫn nào và nó đã ảnh hưởng đến thực hành của bạn như thế nào?
Bạn đã bao giờ đặt mua một xét nghiệm mà không biết độ nhạy/độ đặc hiệu của nó chưa? Bạn đã diễn giải kết quả như thế nào?
Tại sao một công ty dược phẩm lại chọn trình bày kết quả thử nghiệm của họ dưới dạng RRR thay vì ARR?

🔥 Mẹo đầu tư sinh lời cao từ AKT

Đây là những dạng câu hỏi thường xuyên xuất hiện trong các bài thi AKT. Hãy ghi nhớ chúng và bạn sẽ đạt điểm cao.

🎯 Tính toán NNT

Luôn luôn chuyển đổi phần trăm sang số thập phân trước. ARR = 5% → NNT = 1 ÷ 0.05 = 20. Luôn làm tròn. up Làm tròn đến số nguyên gần nhất. NNT càng thấp thì phương pháp điều trị càng hiệu quả.

🎯 CI vượt qua cột mốc kỳ diệu

Đối với các tỷ lệ (RR, OR, HR): CI cắt nhau 1.0 = không đáng kể. Đối với sự khác biệt: CI giao nhau 0 = không đáng kể. Câu này xuất hiện trong hầu hết các câu hỏi về biểu đồ rừng.

🎯 Ghép nối thiết kế nghiên cứu

Bệnh hiếm gặp → kiểm soát trường hợp → HOẶC. Tiếp xúc với nguồn thông tin mới trong tương lai → đội quân → RR. Ảnh chụp nhanh về tỷ lệ hiện mắc → cắt ngangBằng chứng tốt nhất cho việc điều trị → RCT or SR/phân tích tổng hợp.

🎯 Độ nhạy so với độ đặc hiệu — Nên sử dụng cái nào trong trường hợp nào

Xét nghiệm sàng lọc → muốn độ nhạy cao (không muốn bỏ sót trường hợp nào → SnNout). kiểm tra xác nhận → Muốn độ đặc hiệu cao (không muốn kết quả dương tính giả → SpPin).

🎯 Tỷ lệ xem phim PPV giảm ở các quần thể có tỷ lệ mắc bệnh thấp

Ngay cả một xét nghiệm có độ đặc hiệu cao (99%) cũng cho giá trị dự đoán dương tính (PPV) thấp trong môi trường có tỷ lệ mắc bệnh thấp. Hầu hết các kết quả dương tính trong sàng lọc cộng đồng đều là dương tính giả. Đó là lý do tại sao chúng ta không sàng lọc tất cả mọi người cho tất cả mọi thứ.

🎯 Khu đất rừng hình kim cương

Nếu kim cương (Ước tính tổng hợp) vượt qua đường thẳng đứng biểu thị không có hiệu quả → kết quả tổng thể KHÔNG có ý nghĩa thống kê. Nếu I² > 50% → sự không đồng nhất đáng kể → kết quả tổng hợp kém tin cậy hơn.

🎯 Biểu đồ phễu bất đối xứng

Khoảng trống ở góc dưới bên trái của biểu đồ hình phễu = thiên lệch xuất bản — các nghiên cứu nhỏ có kết quả âm tính không được công bố. Điều này làm tăng hiệu quả rõ ràng của một phương pháp điều trị trong phân tích tổng hợp.

🎯 Biểu đồ hộp và râu — Luôn là giá trị trung vị, không phải giá trị trung bình.

Dòng trong cái hộp là trung vị. Hình hộp = IQR (50% giá trị trung bình). Các chấm hoặc hình tròn nằm ngoài đường râu = các giá trị ngoại lệ.

🎯 RRR nghe ấn tượng hơn ARR

Các công ty dược phẩm rất thích trích dẫn RRR vì nó nghe có vẻ lớn hơn. RRR 50% nghe thật tuyệt vời — cho đến khi bạn biết rủi ro cơ bản chỉ là 2% (→ ARR = 1%, NNT = 100). Luôn luôn hỏi: rủi ro cơ bản là bao nhiêu?

🎯 Trung vị — Sử dụng cho dữ liệu phân bố lệch

Phân bố lệch (thu nhập, thời gian nằm viện, bilirubin huyết thanh) → sử dụng trung vị Không phải trung vị. Trung bình bị ảnh hưởng bởi các giá trị ngoại lệ; trung vị thì không.

🎯 Kiểm toán so với Nghiên cứu

Kiểm toán: các biện pháp đối với một hiện tại Tiêu chuẩn; không cần đạo đức; không cần giả thuyết. Nghiên cứu: tạo ra người mới Kiến thức; cần sự chấp thuận về mặt đạo đức; có giả thuyết. Một điểm khác biệt quan trọng mà AKT kiểm nghiệm nhiều lần.

🎯 Ý định điều trị (ITT)

Phân tích ITT bao gồm tất cả những người tham gia được chọn ngẫu nhiên bất kể việc tuân thủ điều trị. Điều này mang lại một bảo thủ Ước tính hiệu quả — thực tế hơn cho thực hành lâm sàng. Phân tích theo phác đồ điều trị thường đánh giá quá cao hiệu quả.

🎯 Điểm chuẩn ABPI

ABPI < 0.9 = bệnh động mạch ngoại biên. ABPI > 1.3 = mạch máu không thể ép (vôi hóa) — kết quả không đáng tin cậy. Chống chỉ định băng ép nếu ABPI < 0.8 (kiểm tra hướng dẫn sử dụng băng ép của bạn).

🎯 Cates Plot NNT

Đếm số mặt có lợi (thường là màu vàng hoặc xanh lá cây). NNT = 100 ÷ (số mặt có lợi). 5 mặt màu vàng → NNT = 20.

⚠️

Những lỗi thường gặp và cạm bẫy dành cho người mới học việc

Đây là những lỗi thường xuyên xuất hiện trong các thang điểm chấm bài thi AKT. Mỗi lỗi này đều là một điểm số thực sự bị mất đi của các thí sinh.

Quên chuyển đổi phần trăm sang số thập phân trước khi tính NNT (ví dụ: ARR = 5% → phải dùng 0.05 chứ không phải 5 để được NNT = 20 chứ không phải 0.2)
Làm tròn NNT xuống chứ không phải là up (NNT = 12.5 → đáp án là 13, không phải 12)
Nhầm lẫn giữa RRR và ARR và trích dẫn con số tương đối nghe có vẻ ấn tượng hơn như là lợi ích lâm sàng.
Nói rằng một kết quả là "có ý nghĩa" khi khoảng tin cậy chỉ chạm mức 1.0 — điều đó có nghĩa là nó phải không bao gồm 1.0 được coi là đáng kể
Việc khẳng định đường giữa của biểu đồ hộp và râu là giá trị trung bình — điều này luôn đúng. trung vị
Nhầm lẫn giữa độ nhạy và giá trị dự đoán dương tính (PPV) — độ nhạy là một thuộc tính cố định của xét nghiệm; PPV phụ thuộc vào tỷ lệ mắc bệnh.
Việc cho rằng một xét nghiệm có độ đặc hiệu cao trong một quần thể có tỷ lệ mắc bệnh thấp sẽ cho kết quả dương tính đáng tin cậy là không đúng (giá trị dự đoán dương tính thấp).
Nhầm lẫn giữa OR và RR — Không thể sử dụng trực tiếp OR thay cho RR trừ khi bệnh đó hiếm gặp.
Nói rằng một nghiên cứu đối chứng tạo ra RR — thực ra nó tạo ra OR, bởi vì bạn bắt đầu với các trường hợp và nhóm đối chứng, chứ không phải một nhóm người tiếp xúc.
Nhầm lẫn giữa kiểm toán lâm sàng và nghiên cứu — cho rằng kiểm toán cần có sự chấp thuận về mặt đạo đức.
Hiểu sai lệch về thời gian chờ đợi kết quả sàng lọc là chương trình sàng lọc thực sự cải thiện tỷ lệ sống sót.
Việc quên rằng I² >50% trong một ô rừng làm dấy lên lo ngại về tính hợp lệ của kết quả tổng hợp.
Sử dụng giá trị trung bình để mô tả dữ liệu phân bố lệch (ví dụ: thu nhập, thời gian nằm viện) — hãy sử dụng giá trị trung vị.

🏁 Những điểm tóm tắt cuối cùng

NNT = 1 ÷ ARR. Luôn chuyển đổi phần trăm sang số thập phân. Luôn làm tròn lên. NNT càng thấp = điều trị càng tốt.
ARR phản ánh sự trung thực về mặt lâm sàng. RRR nghe có vẻ ấn tượng nhưng có thể gây hiểu lầm. Luôn luôn kết hợp RRR với mức độ rủi ro cơ bản.
Độ nhạy và độ đặc hiệu là những thuộc tính cố định của một xét nghiệm. Giá trị dự đoán dương tính (PPV) và giá trị dự đoán âm tính (NPV) thay đổi theo tỷ lệ mắc bệnh.
SnNout: xét nghiệm nhạy cảm loại trừ trường hợp KHÔNG mắc bệnh khi kết quả âm tính. SpPin: xét nghiệm đặc hiệu xác định trường hợp MẮC BẨM khi kết quả dương tính.
Điểm giao nhau của hình thoi trong biểu đồ rừng (forest plot) cho thấy đường biểu thị không có hiệu ứng → kết quả không có ý nghĩa thống kê. I² > 50% → có vấn đề về tính không đồng nhất.
Sự bất đối xứng của biểu đồ hình phễu → thiên lệch xuất bản. Các điểm nằm ngoài giới hạn của hình phễu trong việc giám sát hiệu suất → các thực tiễn ngoại lệ.
Khoảng tin cậy (CI) cho tỷ lệ bao gồm 1.0 → không có ý nghĩa thống kê. Khoảng tin cậy (CI) cho hiệu số bao gồm 0 → không có ý nghĩa thống kê.
Nghiên cứu bệnh chứng → Tỷ lệ chênh lệch (OR). Nghiên cứu đoàn hệ → Tỷ lệ rủi ro tương đối (RR). Nghiên cứu cắt ngang → Tỷ lệ hiện mắc. Thử nghiệm lâm sàng ngẫu nhiên/Nghiên cứu tổng quan hệ thống → Tiêu chuẩn vàng trong điều trị.
Dữ liệu phân bố lệch → sử dụng trung vị, không phải trung bình cộng. Đường giữa của biểu đồ hộp = trung vị. Các chấm nằm ngoài râu = các giá trị ngoại lệ.
Kiểm toán lâm sàng thực hiện các biện pháp dựa trên tiêu chuẩn — không cần đạo đức, không cần giả thuyết. Nghiên cứu tạo ra kiến thức mới — cần có đạo đức.

Các câu hỏi thống kê trong bài thi AKT nằm trong số những phần dễ học nhất. Chỉ cần dành vài giờ với trang này và một vài câu hỏi luyện tập sẽ mang lại hiệu quả vượt xa thời gian đầu tư.